| Titre : | Prédiction de l’indice bi-spectral par les techniques de deep learning - monitorage de la profondeur de l’anesthésie |
| Auteurs : | Katia Ladjadj, Auteur ; Mohamed Tadjine, Directeur de thèse ; Messaoud Chakir, Directeur de thèse |
| Type de document : | document électronique |
| Editeur : | [S.l.] : [s.n.], 2021 |
| Format : | 79 f., 1 fichier PDF (3,4 Mo) / ill. |
| Note générale : |
Mode d'accès : accès au texte intégral par intranet.
Mémoire de Projet de Fin d’Études : Automatique : Alger, École Nationale Polytechnique : 2021 Bibliogr. f. 68-70. - Annexes f. 72 - 79 |
| Langues : | Français |
| Index. décimale : | PA02521 |
| Tags : | Apprentissage profond Apprentissage machine Prédiction BIS EEG LSTM PK-PD -- Modèle |
| Résumé : | La surveillance de la profondeur de l’anesthésie est très importante pendant toute opération, L’indice bispectral (BIS) est l’une des nombreuses technologies utilisées pour surveiller ce phénomène, il se base sur une analyse algorithmique des signaux EEG. Dans ce travail, nous allons utiliser les méthodes d’apprentissage automatique afin de prédire le BIS en proposant deux approches. La première se base sur un empilement d’algorithmes de renforcement de gradient qui apprend à partir des données tirées des signaux EEG. La seconde utilise un réseau neuronal LSTM suivi d’un réseau feedforward afin de prédire le BIS depuis les historiques de dosages des agents anesthésiants. Les résultats montrent les performances de nos modèles avec une erreur quadratique moyenne de 4.6 pour l’approche avec apprentissage machine et 3.9 pour l’approche avec l’apprentissage profond. |
Exemplaires (1)
| Cote | Support | Localisation | Section | Disponibilité | Spécialité | Etat_Exemplaire |
|---|---|---|---|---|---|---|
| PA02521 | Ressources électroniques | Bibliothèque centrale | Projet Fin d'Etudes | Disponible | Automatique | Téléchargeable |
Documents numériques (1)
|
LADJADJ.Katia.pdf URL
|
