University Sétif 1 FERHAT ABBAS Faculty of Sciences
Détail de l'auteur
Auteur BOURICHE, Imane |
Documents disponibles écrits par cet auteur
Ajouter le résultat dans votre panier Affiner la recherche
Titre : Extraction de connaissances par inférence : Application au diagnostic médical Type de document : texte imprimé Auteurs : BOURICHE, Imane ; A Moussaoui, Directeur de thèse Editeur : Setif:UFA Année de publication : 2015 Importance : 1 vol (59f.) Format : 29 cm Langues : Français (fre) Catégories : Informatique
Thèses & Mémoires:InformatiqueMots-clés : IRM, Data Mining, Extraction de connaissance, Segmentation, Modèle d’inférence. Index. décimale : 004 Informatique Résumé : Résumé De nos jours, l’imagerie médicale est en constant évolution, offre un nombre croissant des données. L’un des étapes essentielles dans les sujets de recherche en traitement d’image est la segmentation, pour l'analyse qualitative et quantitative des images acquises, l’extraction des informations utiles, et facilite l’interprétation des particularités difficiles à connaître à l’oeil nu dans des nombreuses pathologies cérébrales.
Le diagnostic médical représente une tâche difficile à réaliser pour le médecin, il repose sur sa propre expérience, sa capacité de raisonnement … Quelle est, par exemple, la probabilité qu’un patient soit atteint de telle ou telle maladie, sachant que certains symptômes ont été observés, mais que d’autres informations ne sont pas connues ? Quelle est la configuration des variables représentant l’état de chacun des composants d’un système, sachant que tel ou tel comportement a été remarqué ? Alors que les informations utilisées sont potentiellement entachées d’incertitude et ambiguës dans la représentation de l’information.
Cette difficulté a conduit à la conception et développement d’un système d’aide au diagnostic. Donc l’objectif consiste à appliquer une méthode d’inférence floue pour la segmentation d'IRM et la détection de lésions atteintes. Afin de facilite l’interprétation des images, fournir des informations détaillés sur les zones d’intérêt et les aspects pathologiques des structures présentes. Cet outil sera toujours fiable, plus rapide et minutieux à la détection des pathologies telles que la sclérose en plaques (SEP).
Note de contenu : Table Des Matières
Introduction générale ........................................................................................................................ 1
Chapitre1 : Introduction à l’apprentissage automatique
1. Introduction ............................................................................................................................... 3
2. Principes de l’apprentissage automatique ................................................................................. 3
3. Les types d’apprentissage automatique .................................................................................... 3
3.1. L’apprentissage supervisé .................................................................................................. 4
3.1.1. Les méthodes ............................................................................................................. 4
3.1.1.1. Les réseaux de neurones .................................................................................... 4
3.1.1.2. Les arbres de décision ........................................................................................ 6
3.1.1.3. Les plus proches voisins ..................................................................................... 8
3.2. l’apprentissage non-supervisé ........................................................................................... 9
3.2.1. Les méthodes ........................................................................................................... 10
3.2.1.1. Segmentation (Clustering) ................................................................................ 10
3.2.1.2. Règles d’association ......................................................................................... 11
3.3. Apprentissage semi-supervisé ......................................................................................... 12
3.4. Apprentissage par renforcement ..................................................................................... 12
4. Conclusion ............................................................................................................................... 13
Chapitre2: L'extraction des connaissances à partir de données (ECD)
1. Introduction ............................................................................................................................. 14
2. Généralité ................................................................................................................................ 14
3. Donnée, information et connaissance ..................................................................................... 15
3.1. Donnée ............................................................................................................................. 15
3.2. Information ...................................................................................................................... 16
3.3. Connaissance .................................................................................................................... 16
4. Définition d’ECD ....................................................................................................................... 16
5. Le processus d’ECD ................................................................................................................... 17
5.1. Caractéristique de processus ECD .................................................................................... 17
5.2. Les étapes de processus ECD ........................................................................................... 18
6. Fouille de données (data mining en anglais) ........................................................................... 21
6.1. Définition .......................................................................................................................... 21
6.2. Succès de la fouille de données ....................................................................................... 21
6.3. Les taches du Data Mining ............................................................................................... 22
6.3.1. La classification ......................................................................................................... 22
6.3.2. L’estimation .............................................................................................................. 22
6.3.3. La prédiction ............................................................................................................. 23
6.3.4. Le groupement par similitude .................................................................................. 23
6.3.5. L’analyse des clusters ............................................................................................... 23
6.3.6. La description ........................................................................................................... 24
6.4. Les méthodes de Data Mining .......................................................................................... 24
6.4.1. Les méthodes classiques .......................................................................................... 24
6.4.2. Les méthodes sophistiquées .................................................................................... 24
6.5. Domaines d’application du Data Mining .......................................................................... 24
7. Conclusion ............................................................................................................................... 25
Chapitre3: La Problématique de la segmentation des images médicales
1. Introduction ............................................................................................................................. 26
2. Définition d’imagerie médicale ................................................................................................ 26
3. Le but de l’imagerie médicale .................................................................................................. 26
4. Qu’est-ce que la segmentation? .............................................................................................. 27
5. Segmentation d’IRM Cérébrale ................................................................................................ 28
5.1. La segmentation automatique des IRM cérébrales ......................................................... 28
6. Objectif de segmentation d’image ........................................................................................... 29
7. Les différentes méthodes de segmentation ............................................................................ 30
7.1. Méthodes basées sur les mesures de Similarités (Approches Région) ............................ 30
7.1.1. Seuillages .................................................................................................................. 30
7.1.2. Croissance de régions ............................................................................................... 30
7.1.3. Division-fusion de régions ........................................................................................ 31
7.1.3.1. Phase de Split (Division) ................................................................................... 32
7.1.3.2. Phase de Merge (fusion) .................................................................................. 32
7.2. Approches contours (frontières) ...................................................................................... 33
7.3. Approche fouille de données (segmentation par classification) ...................................... 33
7.3.1. Méthodes de classification supervisées ................................................................... 34
7.3.2. Méthodes de classification non supervisées ............................................................ 34 8. Difficultés liées à la segmentation des images cérébrales [Meziane 2011]............................. 34
9. Conclusion ............................................................................................................................... 34
Chapitre4: Les Modèles D'inférence
1. Introduction ............................................................................................................................. 35
2. L’inférence ............................................................................................................................... 35
2.1. L’inférence exacte ............................................................................................................ 35
2.2. L’inférence approximative ............................................................................................... 36
3. Logique classique et logique floue ........................................................................................... 36
4. La logique floue ........................................................................................................................ 36
4.1. La théorie des ensembles flous ........................................................................................ 37
4.1.1. Notion d’appartenance partielle .............................................................................. 37
4.1.2. Fonctions d’appartenance ........................................................................................ 37
4.2. Inférence floue ................................................................................................................. 39
4.3. Règles d’inférence ............................................................................................................ 39
4.3.1. Opérateurs ............................................................................................................... 40
4.4. Système d'inférence floue ................................................................................................ 40
4.4.1. La Fuzzification ......................................................................................................... 40
4.4.2. Base de connaissances ............................................................................................. 41
4.4.2.1. La base de données .......................................................................................... 41
4.4.2.2. La base des règles floues .................................................................................. 41
4.4.3. Le mécanisme d’inférence floue .............................................................................. 42
4.4.3.1. Méthode d’inférence MAX-MIN (Mamdani) .................................................... 42
4.4.3.2. Méthode d'inférence MAX-PROD (Larsen) ...................................................... 44
4.4.3.3. Méthode d'inférence SOMME-PROD (Sugeno) ................................................ 44
4.4.4. Défuzzification .......................................................................................................... 45
5. Réseau bayésien et inférence .................................................................................................. 45
5.1. Réseau bayésien ............................................................................................................... 45
5.2. Réseaux Bayésiens et Diagnostic Médical ........................................................................ 46
5.3. Inférence bayésienne ....................................................................................................... 46
6. Inférence Markovienne ............................................................................................................ 47
7. Travaux connexes (Etat de l’art) : ............................................................................................. 47
8. Conclusion ............................................................................................................................... 49
Chapitre5: Conception et Réalisation
1. Introduction ............................................................................................................................. 50
2. Environnement de développement de système ...................................................................... 50
2.1. Environnement matériel .................................................................................................. 50
2.2. Environnement logiciel..................................................................................................... 50
3. Images utilisées ........................................................................................................................ 51
4. Description générale de système ............................................................................................. 51
4.1. Description de fichier règles SEP .......................................................................................... 52
5. Méthodologie de la conception ............................................................................................... 53
6. Evaluation et étude comparative ............................................................................................. 53
5.1. Critères de validation ....................................................................................................... 55
6. Présentation de prototype ....................................................................................................... 56
6.1. Fonctionnement de l’application ..................................................................................... 56
6.1.1. Espace d’accueil ....................................................................................................... 56
6.1.2. Espace de traitement d’image ................................................................................. 56
6.1.3. Espace des règles de SEP .......................................................................................... 58
6.1.4. Espace de résultat graphique ................................................................................... 58
6.1.5. Espace de diagnostic ................................................................................................ 59
7. Analyse des résultats ................................................................................................................ 59
8. Conclusion ............................................................................................................................... 59
Conclusion générale ......................................................................................................................... 60Côte titre : MAI/0051 En ligne : https://drive.google.com/file/d/1T2SR5DlrWnbrDyhOa94E3GT_oenMNO_-/view?usp=shari [...] Format de la ressource électronique : Extraction de connaissances par inférence : Application au diagnostic médical [texte imprimé] / BOURICHE, Imane ; A Moussaoui, Directeur de thèse . - [S.l.] : Setif:UFA, 2015 . - 1 vol (59f.) ; 29 cm.
Langues : Français (fre)
Catégories : Informatique
Thèses & Mémoires:InformatiqueMots-clés : IRM, Data Mining, Extraction de connaissance, Segmentation, Modèle d’inférence. Index. décimale : 004 Informatique Résumé : Résumé De nos jours, l’imagerie médicale est en constant évolution, offre un nombre croissant des données. L’un des étapes essentielles dans les sujets de recherche en traitement d’image est la segmentation, pour l'analyse qualitative et quantitative des images acquises, l’extraction des informations utiles, et facilite l’interprétation des particularités difficiles à connaître à l’oeil nu dans des nombreuses pathologies cérébrales.
Le diagnostic médical représente une tâche difficile à réaliser pour le médecin, il repose sur sa propre expérience, sa capacité de raisonnement … Quelle est, par exemple, la probabilité qu’un patient soit atteint de telle ou telle maladie, sachant que certains symptômes ont été observés, mais que d’autres informations ne sont pas connues ? Quelle est la configuration des variables représentant l’état de chacun des composants d’un système, sachant que tel ou tel comportement a été remarqué ? Alors que les informations utilisées sont potentiellement entachées d’incertitude et ambiguës dans la représentation de l’information.
Cette difficulté a conduit à la conception et développement d’un système d’aide au diagnostic. Donc l’objectif consiste à appliquer une méthode d’inférence floue pour la segmentation d'IRM et la détection de lésions atteintes. Afin de facilite l’interprétation des images, fournir des informations détaillés sur les zones d’intérêt et les aspects pathologiques des structures présentes. Cet outil sera toujours fiable, plus rapide et minutieux à la détection des pathologies telles que la sclérose en plaques (SEP).
Note de contenu : Table Des Matières
Introduction générale ........................................................................................................................ 1
Chapitre1 : Introduction à l’apprentissage automatique
1. Introduction ............................................................................................................................... 3
2. Principes de l’apprentissage automatique ................................................................................. 3
3. Les types d’apprentissage automatique .................................................................................... 3
3.1. L’apprentissage supervisé .................................................................................................. 4
3.1.1. Les méthodes ............................................................................................................. 4
3.1.1.1. Les réseaux de neurones .................................................................................... 4
3.1.1.2. Les arbres de décision ........................................................................................ 6
3.1.1.3. Les plus proches voisins ..................................................................................... 8
3.2. l’apprentissage non-supervisé ........................................................................................... 9
3.2.1. Les méthodes ........................................................................................................... 10
3.2.1.1. Segmentation (Clustering) ................................................................................ 10
3.2.1.2. Règles d’association ......................................................................................... 11
3.3. Apprentissage semi-supervisé ......................................................................................... 12
3.4. Apprentissage par renforcement ..................................................................................... 12
4. Conclusion ............................................................................................................................... 13
Chapitre2: L'extraction des connaissances à partir de données (ECD)
1. Introduction ............................................................................................................................. 14
2. Généralité ................................................................................................................................ 14
3. Donnée, information et connaissance ..................................................................................... 15
3.1. Donnée ............................................................................................................................. 15
3.2. Information ...................................................................................................................... 16
3.3. Connaissance .................................................................................................................... 16
4. Définition d’ECD ....................................................................................................................... 16
5. Le processus d’ECD ................................................................................................................... 17
5.1. Caractéristique de processus ECD .................................................................................... 17
5.2. Les étapes de processus ECD ........................................................................................... 18
6. Fouille de données (data mining en anglais) ........................................................................... 21
6.1. Définition .......................................................................................................................... 21
6.2. Succès de la fouille de données ....................................................................................... 21
6.3. Les taches du Data Mining ............................................................................................... 22
6.3.1. La classification ......................................................................................................... 22
6.3.2. L’estimation .............................................................................................................. 22
6.3.3. La prédiction ............................................................................................................. 23
6.3.4. Le groupement par similitude .................................................................................. 23
6.3.5. L’analyse des clusters ............................................................................................... 23
6.3.6. La description ........................................................................................................... 24
6.4. Les méthodes de Data Mining .......................................................................................... 24
6.4.1. Les méthodes classiques .......................................................................................... 24
6.4.2. Les méthodes sophistiquées .................................................................................... 24
6.5. Domaines d’application du Data Mining .......................................................................... 24
7. Conclusion ............................................................................................................................... 25
Chapitre3: La Problématique de la segmentation des images médicales
1. Introduction ............................................................................................................................. 26
2. Définition d’imagerie médicale ................................................................................................ 26
3. Le but de l’imagerie médicale .................................................................................................. 26
4. Qu’est-ce que la segmentation? .............................................................................................. 27
5. Segmentation d’IRM Cérébrale ................................................................................................ 28
5.1. La segmentation automatique des IRM cérébrales ......................................................... 28
6. Objectif de segmentation d’image ........................................................................................... 29
7. Les différentes méthodes de segmentation ............................................................................ 30
7.1. Méthodes basées sur les mesures de Similarités (Approches Région) ............................ 30
7.1.1. Seuillages .................................................................................................................. 30
7.1.2. Croissance de régions ............................................................................................... 30
7.1.3. Division-fusion de régions ........................................................................................ 31
7.1.3.1. Phase de Split (Division) ................................................................................... 32
7.1.3.2. Phase de Merge (fusion) .................................................................................. 32
7.2. Approches contours (frontières) ...................................................................................... 33
7.3. Approche fouille de données (segmentation par classification) ...................................... 33
7.3.1. Méthodes de classification supervisées ................................................................... 34
7.3.2. Méthodes de classification non supervisées ............................................................ 34 8. Difficultés liées à la segmentation des images cérébrales [Meziane 2011]............................. 34
9. Conclusion ............................................................................................................................... 34
Chapitre4: Les Modèles D'inférence
1. Introduction ............................................................................................................................. 35
2. L’inférence ............................................................................................................................... 35
2.1. L’inférence exacte ............................................................................................................ 35
2.2. L’inférence approximative ............................................................................................... 36
3. Logique classique et logique floue ........................................................................................... 36
4. La logique floue ........................................................................................................................ 36
4.1. La théorie des ensembles flous ........................................................................................ 37
4.1.1. Notion d’appartenance partielle .............................................................................. 37
4.1.2. Fonctions d’appartenance ........................................................................................ 37
4.2. Inférence floue ................................................................................................................. 39
4.3. Règles d’inférence ............................................................................................................ 39
4.3.1. Opérateurs ............................................................................................................... 40
4.4. Système d'inférence floue ................................................................................................ 40
4.4.1. La Fuzzification ......................................................................................................... 40
4.4.2. Base de connaissances ............................................................................................. 41
4.4.2.1. La base de données .......................................................................................... 41
4.4.2.2. La base des règles floues .................................................................................. 41
4.4.3. Le mécanisme d’inférence floue .............................................................................. 42
4.4.3.1. Méthode d’inférence MAX-MIN (Mamdani) .................................................... 42
4.4.3.2. Méthode d'inférence MAX-PROD (Larsen) ...................................................... 44
4.4.3.3. Méthode d'inférence SOMME-PROD (Sugeno) ................................................ 44
4.4.4. Défuzzification .......................................................................................................... 45
5. Réseau bayésien et inférence .................................................................................................. 45
5.1. Réseau bayésien ............................................................................................................... 45
5.2. Réseaux Bayésiens et Diagnostic Médical ........................................................................ 46
5.3. Inférence bayésienne ....................................................................................................... 46
6. Inférence Markovienne ............................................................................................................ 47
7. Travaux connexes (Etat de l’art) : ............................................................................................. 47
8. Conclusion ............................................................................................................................... 49
Chapitre5: Conception et Réalisation
1. Introduction ............................................................................................................................. 50
2. Environnement de développement de système ...................................................................... 50
2.1. Environnement matériel .................................................................................................. 50
2.2. Environnement logiciel..................................................................................................... 50
3. Images utilisées ........................................................................................................................ 51
4. Description générale de système ............................................................................................. 51
4.1. Description de fichier règles SEP .......................................................................................... 52
5. Méthodologie de la conception ............................................................................................... 53
6. Evaluation et étude comparative ............................................................................................. 53
5.1. Critères de validation ....................................................................................................... 55
6. Présentation de prototype ....................................................................................................... 56
6.1. Fonctionnement de l’application ..................................................................................... 56
6.1.1. Espace d’accueil ....................................................................................................... 56
6.1.2. Espace de traitement d’image ................................................................................. 56
6.1.3. Espace des règles de SEP .......................................................................................... 58
6.1.4. Espace de résultat graphique ................................................................................... 58
6.1.5. Espace de diagnostic ................................................................................................ 59
7. Analyse des résultats ................................................................................................................ 59
8. Conclusion ............................................................................................................................... 59
Conclusion générale ......................................................................................................................... 60Côte titre : MAI/0051 En ligne : https://drive.google.com/file/d/1T2SR5DlrWnbrDyhOa94E3GT_oenMNO_-/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0051 MAI/0051 Mémoire Bibliothéque des sciences Français Disponible
Disponible