Projet Personnel

Développement d’un système d’aide à la décision basé sur le

machine Learning pour l’analyse des images médicales

É L A B O R É P A R:
Mootez LAIFA
Plan
Contexte et cadre Problématique et Méthodologies Préparation des
du projet solution proposée adoptées Données

Modélisation Evaluation Déploiement

Conclusion et perspectives
Contexte et cadre
du projet 01
Contexte et cadre du projet

L'intelligence artificielle :
un processus d'imitation de l'intelligence humaine.
Son but est de permettre à des ordinateurs de
penser et d'agir comme des êtres humains.
Présentation du choix du sujet

● C’est un sujet ● Combine les domaines de la

intéressant science des données et de santé

● Un thème relatif à
notre éducation
 Problématique
et Solution proposée
Problématique

Le manque de
La perte du temps dans précision des décisions
l’attente des résultats des humaines
analyses.

L’absence de système qui évalue

Les erreurs tragiques dues
l’intelligence pour la prédiction des
parfois au mauvais diagnostic
maladies
de maladies graves.
 Solution proposée

Développement d’un système

d’aide à la décision basé sur la
machine Learning pour
l’analyse des images médicales
 Solution proposée

Méthodologies
adoptées
La méthode Cross Industry Standard Process
(CRISP-DM)
Définir le problème selon les données et mettre en
place un plan initial pour réaliser cet objectif.
Compréhension du métier

Compréhension des données Accéder aux données appropriées et les comprendre

Préparation des données couvre toutes les activités de construction de l'ensemble

de données final
La modélisation diverses techniques de modélisation sont sélectionnées et
appliquées
Évaluation il est important d'évaluer plus en détail le modèle et de revoir les
étapes exécutées pour construire le modèle
Déploiement
consiste à mettre le modèle en production
 Compréhension et 01
Préparation des données
 Sources des données

Des données d’imagerie

radiographique à partir de KAGLE

Utilisation du technique
de scraping
 Analyse exploratoire
et
vérification des données
Visualisation des Données

Covid
Visualisation des Données
Modélisation
Modélisation des données d’imagerie
radiographique
Description de l’architecture
Division des données en
Train / Val / Test
Création du MODÈLE
Evalutaion
Évaluation des données textuelles
Évaluation des données textuelles
Déploiement
Conclusion
Objectifs atteints

Réalisation du modèle en se basant sur les

techniques d’apprentissage automatique et profond

Amélioration des compétences

Nouvelles connaissances
Perspectives

● Ajout d’autre catégories de maladies

● Création d’un interface frontend dynamique
● Ajout d’autre fonctionnalités dans l’application
THE END