Application de l’intelligence artificielle dans le domaine médical
Des informations générales:
Le niveau |
MASTER |
Titre |
Application de l’intelligence artificielle dans le domaine médical |
SPECIALITE |
Réseaux et Télécommunications |
Page de garde:
Sommaire:
Introduction générale
Chapitre I
Le cœur et l’électrocardiographie.
1. Introduction
2. Définition du cœur
3. Anatomie du cœur
4. La conduction électrique du cœur
5. L’Électrocardiogramme (ECG)
5.1 Les dérivations.
5.2 Ondes et Intervalles de L’ECG.
6. Troubles du Rythme et de la Conduction Cardiaque .
6.1 Rythme sinusal.
6.2 Blocs cardiaques
6.2.1 Bloc Sino-Auriculaire (Bloc SA).
6.2.2 Blocs Auriculo-Ventriculaire (BAV).
6.2.3 Blocs de branche.
7. Les arythmies cardiaques
7.1 Extrasystoles supra-ventriculaires.
7.3 La tachycardie supra-ventriculaire
7.2 Contraction ventriculaire prématurée (extrasystole ventriculaire).
7.4 La fibrillation auriculaire.
7.5 La tachycardie ventriculaire
7.6 Fibrillation ventriculaire
8. Artefacts visibles sur l’électrocardiogramme.
8.1 Bruits techniques
8.2 Artefacts physiques.
9. Conclusion
Chapitre II
Réseaux de neurones
Introduction
2. Neurone biologique.
3. Neurone artificiel (formel)
4. Application.
5. Perceptron.
5.1 Règle d’apprentissage du perceptron
6. Architecture des réseaux de neurones.
6.1. Les réseaux de neurones non bouclés (en Anglais feedforward)
6.2. Les réseaux de neurones bouclés (récurrents).
7. Les types d’apprentissage des réseaux de neurones.
7.1. L’apprentissage supervisé.
7.2. L’apprentissage non supervisé.
8. Les réseaux de neurones les plus utilisés
9. Descente du gradient ou la fameuse règle delta.
9.1. La descente de gradient
9.2. La descente de gradient stochastique.
9.3. La règle delta.
10. Réseaux de neurones multicouches (MLP).
11. Réseaux de neurones Fonction de base radiale (BRF).
12. L’algorithme de rétro-propagation du gradient
13. Les capacités d’un réseau de neurones.
14. Les différentes applications de RNA.
15. Avantages d’un réseau de neurones.
15.1. Réutilisabilité.
15.2. Robustesse
15.3. Parallélisme
15.4. Logique floue
16. Conclusion
Chapitre III:
Classifications des signaux ECG.
Introduction
Les anomalies cardiaques
3. Préparation base de donne
4. La base de données MIT-BIH
5. Choix de la taille des segments :
6. Simulation du réseau RBF:
6.1. 6.2. Les paramètres du réseau BRF
L’organigramme du réseau RBF.
6.3. Classification des signaux ECG
6.3.1 Phase d’apprentissage
6.3.1 Phase de teste.
Conclusion
Bibliographie:
Chapitre I
Le cœur et l’électrocardiographie.
1. Introduction
2. Définition du cœur
3. Anatomie du cœur
4. La conduction électrique du cœur
5. L’Électrocardiogramme (ECG)
5.1 Les dérivations.
5.2 Ondes et Intervalles de L’ECG.
6. Troubles du Rythme et de la Conduction Cardiaque .
6.1 Rythme sinusal.
6.2 Blocs cardiaques
6.2.1 Bloc Sino-Auriculaire (Bloc SA).
6.2.2 Blocs Auriculo-Ventriculaire (BAV).
6.2.3 Blocs de branche.
7. Les arythmies cardiaques
7.1 Extrasystoles supra-ventriculaires.
7.3 La tachycardie supra-ventriculaire
7.2 Contraction ventriculaire prématurée (extrasystole ventriculaire).
7.4 La fibrillation auriculaire.
7.5 La tachycardie ventriculaire
7.6 Fibrillation ventriculaire
8. Artefacts visibles sur l’électrocardiogramme.
8.1 Bruits techniques
8.2 Artefacts physiques.
9. Conclusion
Chapitre II
Réseaux de neurones
Introduction
2. Neurone biologique.
3. Neurone artificiel (formel)
4. Application.
5. Perceptron.
5.1 Règle d’apprentissage du perceptron
6. Architecture des réseaux de neurones.
6.1. Les réseaux de neurones non bouclés (en Anglais feedforward)
6.2. Les réseaux de neurones bouclés (récurrents).
7. Les types d’apprentissage des réseaux de neurones.
7.1. L’apprentissage supervisé.
7.2. L’apprentissage non supervisé.
8. Les réseaux de neurones les plus utilisés
9. Descente du gradient ou la fameuse règle delta.
9.1. La descente de gradient
9.2. La descente de gradient stochastique.
9.3. La règle delta.
10. Réseaux de neurones multicouches (MLP).
11. Réseaux de neurones Fonction de base radiale (BRF).
12. L’algorithme de rétro-propagation du gradient
13. Les capacités d’un réseau de neurones.
14. Les différentes applications de RNA.
15. Avantages d’un réseau de neurones.
15.1. Réutilisabilité.
15.2. Robustesse
15.3. Parallélisme
15.4. Logique floue
16. Conclusion
Chapitre III:
Classifications des signaux ECG.
Introduction
Les anomalies cardiaques
3. Préparation base de donne
4. La base de données MIT-BIH
5. Choix de la taille des segments :
6. Simulation du réseau RBF:
6.1. 6.2. Les paramètres du réseau BRF
L’organigramme du réseau RBF.
6.3. Classification des signaux ECG
6.3.1 Phase d’apprentissage
6.3.1 Phase de teste.
Conclusion
Bibliographie:
Télécharger:
Pour plus de
sources et références universitaires
(mémoires, thèses et articles
), consultez notre site principal.