ماستر (LMD)
French
2023
Proposition d’une technique efficace pour l’analyse du big data basée sur l’intelligence artificielle
Ahlem Kedjouti, Nour El houda Derouaz, Oussama Senouci
كلية الرياضيات والإعلام الآلي-جامعة محمد البشير الإبراهيمي - برج بوعريريج · الجزائر
Ce travail propose une technique novatrice d’analyse du Big Data basée sur le deep learningpour améliorer la détection du cancer du sein. Le Big Data représente un ensemble massifde données générées quotidiennement à partir de diverses sources, et la détection précoce ducancer du sein est cruciale pour améliorer les chances de guérison.L’utilisation du deep learning, en particulier des réseaux de neurones convolutionnels (CNN),offre de grandes opportunités pour extraire des informations significatives à partir d’imagesmédicales telles que les mammographies. Cette approche permet d’automatiser le processusde détection et de classification des anomalies, ce qui peut contribuer à réduire les erreurs humaineset à accélérer le diagnostic.Ce mémoire explore les différentes étapes du traitement du Big Data pour développer uneméthode générale applicable à l’analyse de grandes quantités de données médicales. Nous mettonsen évidence l’utilisation des CNN pour extraire des caractéristiques pertinentes à partir desimages de mammographie et pour effectuer une classification précise des tissus mammaires.Une étude de cas est présentée pour évaluer l’efficacité de la méthode proposée. Les résultatsobtenus démontrent une amélioration significative de la détection du cancer du sein parrapport aux méthodes traditionnelles. Cette approche ouvre des perspectives prometteuses pourle dépistage précoce et précis du cancer du sein, ce qui peut avoir un impact positif sur lepronostic et la survie des patients.Mots clés : Big Data, Deep Learning, Réseaux de neurones convolutifs (CNN), CanceruThis dissertation proposes an innovative technique for Big Data analysis based on deeplearning to enhance breast cancer detection. Big Data represents a massive set of data generateddaily from various sources, and early detection of breast cancer is crucial for improving thechances of recovery.The utilization of deep learning, particularly convolutional neural networks (CNN), presentssignificant opportunities to extract meaningful information from medical images such asmammograms. This approach automates the process of anomaly detection and classification,thereby reducing human errors and expediting diagnosis.The thesis explores the different stages of Big Data processing to develop a general methodapplicable to the analysis of large quantities of medical data. We highlight the use of CNNsto extract relevant features from mammography images and perform accurate classification ofbreast tissues.A case study is presented to evaluate the effectiveness of the proposed method. The resultsdemonstrate a substantial improvement in breast cancer detection compared to traditional methods.This approach holds promising prospects for early and precise breast cancer screening,which can have a positive impact on patients’ prognosis and survival.