Principe de l’insulinothérapie fonctionnelle

Table des matières

Introduction générale
Chapitre1 : Présentation du diabète
Introduction
1.1. Régulation de la glycémie
1.1.1. Définition
1.1.2. Notions fondamentales
1.1.3. Le rôle des différents acteurs
1.1.4. Stockage du glucose
1.1.5. Régulation hormonale
1.2. Diabète sucré
1.2.1. Définition
1.2.2. Classification du diabète
1.3. Exploration des troubles de la tolérance au glucose et du diabète
1.3.1 Dosage du glucose
1.3.2 Dosage de l’insuline et du C-peptide
1.3.3 Dosage de l’hémoglobine glyquée
1.3.4 Dosage des autoanticorps
1.4. Les critères biologiques de diagnostic du diabète sucré
1.4.1 Les critères de diagnostic du diabète sucré
1.4.2 Glycorégulation normale
1.4.3 Troubles mineurs de la glycorégulation
1.4.4 Hyperglycémie provoquée par voie orale
1.4.5 Le syndrome métabolique et le diagnostic du diabète
1.5. Objectifs du traitement dans les diabètes de Type 1 et de Type 2
1.5.1. Objectifs généraux
1.5.2. Objectifs spécifiques
1.5.3. Objectifs métaboliques et tensionnels
1.6. Complication du diabète
1.6.1. Complications métaboliques
1.6.2 Complications chroniques
1.6.3. Complications infectieuses
1.7. Prévention des complications du diabète
1.8. les facteurs de risque du diabète
1.9. Insuline
1.9. b.1.Aspects généraux
1.9. b.2 Les différents types d’insuline
1.10. L’autosurveillance glycémique
1.10.1. Eduquer à la réalisation de la glycémie
1.10.2. Eduquer le patient à utiliser les résultats glycémiques
1.11. Insulinothérapie fonctionnelle
1.11.1. Introduction
1.11.2. Principe de l’insulinothérapie fonctionnelle
1.11.3. Règles d’adaptation des doses
Conclusion
Chapitre2 : Les outils utilisés
Introduction
2.1. Réseaux de neurones
2.1.1. Neurones biologiques
2.1.2. Neurone formel
2.1.3. Réseaux statiques (par paquet) et Réseaux dynamiques (séquentiel)
2.1.4. Les différentes architectures
2.1.4.a Les Perceptrons
2.1.4.b. Les résaeux feed-back
2.2. Les réseaux à base radiales (Radial Basis Network)
2.2.1. Introduction
2.2.2. RBR et classification probabiliste
2.3. Apprentissage des RBRs
2.4. Techniques utilisées dans l’apprentissage d’un RBR
2.4.1. Techniques supervisées
2.4.2. Techniques heuristiques
2.4.2.1. Algorithme RCE (Restricted Coulomb Energy
2.4.2.2. Dynamic Decay Adjustment Algorithme
2.4.3. Technique séquentielle
2.4.3.1. Introduction
2.4.3.2. Estimation non supervisée des centres et des largeurs
2.4.3.3. Détermination des largeurs
2.4.3.4. Calcul des poids
2.5. Inconvénients du RBR
2.6. Les différents types de réseaux de neurones à bases radiales de (Radial Basis Network)
2.6.1. Description
2.6.2. Les réseaux de neurones à régression généralisée (Generalized Regression Networks)
2.6.3. Les réseaux de neurones probabilistes (Probabilistic Neural Networks)
2.7. Systèmes d’inférence floue
2.7.1.Introduction
2.7.2. Théorie des ensembles flous
2.7.2.1. Fonctions d’appartenance
2.7.2.2 Les opérations et les normes
2.7.2.3 Les propositions floues et les variables linguistiques
2.7.3 Système d’inférence floue
2.7.3.1 Construction d’un Système d’Inférence
2.7.3.1.1 Fuzzyfication (quantification floue)
2.7.3.1.2 Inférence floue
2.7.3.1.3 Defuzzification qui transforme les résultats flous de l’inférence à une sortie numérique
2.7.4 Méthodes d’Inférence floue
2.7.4.1 Méthode de Takagi-Sugeno (TS )
2.7.5. Modèles neuro-flous
2.7.5.1 NEFCLASS (Neuro-Fuzzy CLASSification)
2.7.5.2 NEFCON (Neuro-Fuzzy Controller)
2.7.5.3 NEFPROX (Neuro Fuzzy function apPROXimator)
2.7.5.4 ANFIS
Conclusion
Chapitre3 : Reconnaissance automatique du diabète
Introduction
3.1 Problématique
3.2 Etat de l’art
3.3 Description de la base des données
3.4 Corrélation entre les données
3.4.1 La corrélation entre le nombres de grossesses et l’age
3.4.2 La corrélation entre la glycémie et l’insulinémie 2 heures (TOTG)
3.4.3 La corrélation entre l’épaisseur de la peau au niveau du triceps et l’IMC
3.4.4 L’hérédité
3.4.5 Hypertension artérielle
3.5 Reconnaissance du diabète
3.5.1 Reconnaissance du diabète par le classifieur CNP
3.5.1.1 Implémentation et apprentissage
3.5.1.2 Résultats obtenus
3.6 Reconnaissance du diabète par un classifieur neuro-flou
3.6.1 le choix des fonctions d’apparetenance des différents descripteurs
3.6.2 Génération du SIF initial
3.6.3 Résultats et discussions
3.6.4 Analyse des règles floues générées
3.6.5 Analyse des résultats de la classification
3.6.5.1 Les cas correctement reconnus
3.6.5.2 Les cas mal reconnus
Conclusion
Chapitre4 : Prédiction automatique de la dose d’insuline
Introduction
4.1 Etat de l’art
4.2 Problématique
4.3 Résultats et discussion
4.4Implementation d’un modèle neuro-fou pour l’évaluation de l’équilibre glycémique
4.4.1 Introduction
4.4.2 Implimentation du modèle neuro-flou
4.4.2.1 Le choix des fonctions d’appartenance
4.4.2.2 Description de la base de données
4.4.2.3 Génération du SIF initial
4.4.2.4 Analyse des règles floues générées
Conclusion
Conclusion générale
Bibliographies