Prédiction de l’indice bi-spectral par les techniques de deep learning - monitorage de la profondeur de l’anesthésie / Katia Ladjadj (2021) 

Public ISBD Titre : Prédiction de l’indice bi-spectral par les techniques de deep learning - monitorage de la profondeur de l’anesthésie Type de document : document électronique Auteurs : Katia Ladjadj, Auteur ; Mohamed Tadjine, Directeur de thèse ; Messaoud Chakir, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2021 Importance : 79 f., 1 fichier PDF (3,4 Mo) Présentation : 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 (fre) Mots-clés : Apprentissage profond Apprentissage machine Prédiction BIS EEG LSTM PK-PD -- Modèle Index. décimale : PA02521 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. Prédiction de l’indice bi-spectral par les techniques de deep learning - monitorage de la profondeur de l’anesthésie [document électronique] / Katia Ladjadj, Auteur ; Mohamed Tadjine, Directeur de thèse ; Messaoud Chakir, Directeur de thèse . - [S.l.] : [s.n.], 2021 . - 79 f., 1 fichier PDF (3,4 Mo) : ill. 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 (fre) Mots-clés : Apprentissage profond Apprentissage machine Prédiction BIS EEG LSTM PK-PD -- Modèle Index. décimale : PA02521 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.

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
EP00403	PA02521	Ressources électroniques	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Automatique	Téléchargeable

Documents numériques

LADJADJ.Katia.pdf URL