Classification De La Maladie D’alzheimer À L’aide De L’apprentissage Statistique

Résumé: Les progrès technologiques ont facilité l’acquisition et la collecte de nombreuses données. Ces données peuvent être utilisées comme aide à la décision, conduisant au développement d’outils capables de les analyser et de les traiter. Les systèmes de soutien diagnostique sont considérés comme essentiels dans de nombreuses disciplines, basés sur des techniques d’intelligence artificielle, mais les problèmes les plus intéressants sont souvent basés sur de grandes données. Ces problèmes se rapportent à des situations où nous avons peu d’observations, alors que le nombre de variables explicatives est très élevé. La sélection des variables est devenue l’objet qui attire l’attention de nombreux chercheurs ces dernières années, cette sélection permet d’identifier et d’éliminer les variables qui pénalisent la performance d’un modèle complexe dans la mesure où elles peuvent être bruyantes, redondant ou non pertinent. En outre, l’identification des variables pertinentes facilite l’interprétation et la compréhension des aspects liés à l’application; ainsi, il permet d’améliorer la performance prédictive des méthodes de classification et de ne pas tenir compte de l’organisme nuisible de la dimensionnalité élevée de ces données. Actuellement, l’approche par filtre est couramment utilisée pour analyser les données biologiques, cette approche consiste à examiner la sélection des variables avant le processus d’apprentissage et ne conserve que des caractéristiques informationnelles. L’objectif de ce travail est de contribuer à la recherche et au développement de systèmes innovants d’aide au diagnostic médical. Ce travail de simulation se concentre sur l’application de techniques d’apprentissage statistique comme solution à la conception de ces systèmes par la reconnaissance des formes. Dans le cadre de l’apprentissage contrôlé, la sélection des fonctions permet d’obtenir des classificateurs précis. Afin de mener une étude comparative permettant un choix décisif de la méthode la mieux adaptée à l’application proposée, on évaluera pour les méthodes exposées les paramètres liés au taux de reconnaissance, au temps d’apprentissage et à l’erreur d’entraînement.

Publié dans la revue: