Traitement des données médicales

Table des matières

Résumé
Abstract
ملخص
Remerciements
Table des matières
Liste des tableaux
Liste des figures
Introduction générale
Chapitre 1. Sélection des attributs dans le domaine biomédical
1.1. Introduction
1.2. Différence entre sélection et extraction des variables
1.3. La sélection d’attributs
1.3.1. Motivation
1.3.2. Notions de pertinence d’un attribut
1.3.3. Notions de redondance d’un attribut
1.4. Procédure de sélection d’attributs
1.4.1. La procédure de génération
1.4.2. La fonction d’évaluation
1.4.2.1. Approche wrapper
1.4.2.2. Approche filter
1.4.2.3. Approche embedded
1.4.3. Le critère d’arrêt
1.4.4. La validation
1.5. Techniques de l’apprentissage automatique
1.5.1. Catégories de l’apprentissage automatique
1.5.2. Problème de classification
1.5.3. Validation et évaluation des classifieurs
1.6. Etat de l’art de la sélection d’attributs dans le domaine biomédical
1.7. Conclusion
Chapitre 2. Etude des méthodes de sélection d’attributs
2.1. Introduction
2.2. Materiels et méthodes
2.2.1. Présentation de l’ensemble de données
2.2.2. Classifieurs utilisés
2.2.3. Evaluation de la base de donnée originale
2.2.4. Prétraitement de la base
2.2.5. Utilisation de la base dans la littérature
2.3. Sélection des attributs avec l’approche Filter
2.3.1. Approche univarié
2.3.1.1. Méthode Gain d’information
2.3.1.2. Méthode GainRatio
2.3.1.3. Méthode Khi2
2.3.1.4. Méthode ReliefF
2.3.1.5. Méthode Incertitude symétrique
2.3.1.6. Méthode SVM
2.3.1.7. Méthode OneR
2.3.2. Approche multivarié
2.3.2.1. Méthode CFS
Algorithme BestFirst
Algorithme GeneticSearch
Algorithme GreedyStepwise
2.3.2.2. Méthode de consistance
Algorithme de recherche aléatoire
2.4. Résultats obtenus
2.4.1. Filtre univarié
2.4.1.1. Méthode InfoGain
2.4.1.2. Méthode GainRatio
2.4.1.3. Méthode Chi2
2.4.1.4. Méthode ReliefF
2.4.1.5. Méthode Incertitude symétrique
2.4.1.6. Méthode SVM
2.4.1.7. Méthode OneR
2.4.2. Filtre multivarié
2.4.2.1. Méthode CFS
2.4.2.2. Méthode Consistance
2.5. Discussion des résultats
2.6. Conclusion
Chapitre 3. Vers une classification ensembliste
3.1. Introduction
3.2. Terminologies et taxonomies
3.2.1. Classifieur de base
3.2.2. Définitions et motivations
3.2.3. Structures des classifieurs ensembliste
3.3. Etat de l’art des approches ensemblistes
3.3.1. Ensemble de classifieurs homogènes
3.3.2. Ensemble de classifieurs hétérogènes
3.4. Critères de sélection des classifieurs de base
3.4.1. Algorithmes de recherches
3.4.2. Le rôle de la diversité pour la sélection des classifieurs
3.4.3. Quantification de la diversité
3.4.3.1. Mesures « pairwise »
3.4.3.2. Mesures « non-pairwise »
3.5. Conclusion
Chapitre 4. Nouvelle approche ensembliste pour la détection des arythmies cardiaques
4.1. Introduction
4.2. Matériels et méthodes
4.3. Fusion des classifieurs par règles fixes
4.4. Sélection des classifieurs de base
4.4.1. Sélection dynamique des classifieurs
4.4.2. Recherche SingleBest
4.4.3. Recherche N-Best
4.4.4. Recherche vers l’avant
4.4.5. Discussion des résultats
4.5. Méthode proposée pour la sélection des classifieurs de base
4.5.1. Description détaillée
4.5.2. Résultats et discussion
4.6. Etude comparative avec la littérature
4.7. Classification ensembliste des données biopuces
4.7.1. Présentation des bases de données considérées
4.7.2. Présentation générale des données biopuces
4.7.3. Prétraitment des données
4.7.4. Résultats de la combinaison par règles fixes
4.7.5. Résultats obtenus en utilisant notre approche
4.7.6. Comparaison avec la littérature : données bipuces
Conclusion générale et perspectives
Références bibliographiques