Développement d'un outil de diagnostic de la pathologie pulmonaire obstructive

الموضوعات

علوم تطبيقية وتكنولوجية

الملخص

Les maladies pulmonaires obstructive peuvent être diagnostiqué grâce aux sons pulmonaires atypiques qui se superposent aux sons respiratoires réguliers. Les crépitements grossiers ou fins et les sifflements sont les sons pulmonaires adventices (ALS) courammentendus. En premier lieu nous avons transformé la problématique vers une conjoncture reconnaissance d'images en ramènent l’auscultation au niveau des spectrogrammes des sons respiratoires. Ensuite nous proposons une approche d’aidés au diagnostic. Où un réseau neurone convolutif à 16 couches a permis de classifier les sons respiratoires en quatre classe dans le premier classe présence de crépitements, la deuxième classe présence de siffle mêla troisième classe présence des deux sons en même temps et la quatrième classe l’absence ces sons. Avec les performances suivantes, la précision 71%, la sensibilité 67% et F1-Sc69% avec une accuracy 75%. Enfin, nous avons utilisé la méthode de classification support vector machine (SVM) pour développer une méthode de diagnostic automatique.

روابط وملفات

التعريف والنوع

رقم الوثيقة

f58112c3-b29e-4ef6-91b2-940d37be5c46

رقم العقد

0

نوع الوسائط

Crawler

نوع المحتوى

الرسائل العلمية

صيغة المصدر

ماستر (LMD)

نوع الملف

pdf text

أسماء الملفات

2227278_1.pdf

بيانات النشر

ألقاب المؤلفين

[{"name_ar":" Amal Alhaytham","title_ar":"اعداد","title_en":"Preparation"},{"name_ar":" Ruaya Alzaanin","title_ar":"اعداد","title_en":"Preparation"},{"name_ar":"N.Cheggaga","title_ar":"اشراف","title_en":"Supervision"}]

اللغة

French

المصدر والدورية

اسم المصدر

Développement d'un outil de diagnostic de la pathologie pulmonaire obstructive

المحتوى والصفحات

عدد الصفحات

0

ترجمة الملخص

Obstructive pulmonary disease can be diagnosed by atypical lung sounds superimposed on regular breath sounds. Coarse or fine crackles and hisses are commonly heard Adventitious Lung Sounds (ALS). First, we have transformed the problem into a conjuncture of image recognition by bringing auscultation to the level of spectrograms of respiratory sounds. Then we propose an approach to help with diagnosis. Where a convolutional neural network with 16 layers made it possible to classify the respiratory sounds into four classes: in the first class the presence of crackles, the second class the presence of whistles, the third class the presence of the two sounds at the same time and the fourth-class l absence of these sounds. With the following performances, precision 71%, sensitivity 67%, and F1-Score 69%, and accuracy 75%. Finally, we used the support vector machine (SVM) classification method to develop an automatic diagnosis method

كلمات الباحثين

diagnostiqué, sons pulmonaires adventices, réseau de neurone convolutif, auscultation, spectrogrammes, support vector machine

إشراف وإعداد

الإشراف

N.Cheggaga

الإعداد

Amal Alhaytham, Ruaya Alzaanin

الاقتباسات الببليوغرافية