Définition et fusion de systèmes diagnostic à l'aide d'un processus de fouille de données : Application aux systèmes diagnostics

Diagnosis systeme definition and fusion using data mining techniques : Medical diagnosis systeme application

• Auteur / Autrice : Abdelhamid Zemirline
• Direction : Basel Solaiman
• Type : Thèse de doctorat
• Discipline(s) : Traitement du signal et télécommunications
• Date : Soutenance en 2008
• Etablissement(s) : Télécom Bretagne

Mots clés

Mots clés contrôlés

Ensembles, Théorie descriptive des

Emploi en diagnostic

Exploration de données

Résumé

De nos jours, la fouille de donnée est utilisée par de nombreuses applications, et dans divers domaines. En médecine par exemple, elle connaît de grands développements. Néanmoins, les applications médicales réalisant la fouille de donnée demeurent souvent au stade expérimental. Ces prototypes sont rarement intégrés à la pratique quotidienne des professionnels de santé, et ceci pour plusieurs raisons : la difficulté de représentation de certaines notions plus ou moins objectives telles que la graduation et la quantification ; la fiabilité des nouvelles connaissances ; etc. . . Notre travail a consisté, entre autres, en la conception de deux systèmes d'aide au diagnostic. Tous deux intègrent la théorie des ensembles flous, afin de modéliser l'incertitude et de produire une analyse, qui se rapproche du raisonnement humain. Cependant, le premier de ces systèmes repose sur une base de cas, tandis que le second est un système de raisonnement à base de règles. Nous nous sommes par ailleurs intéressés à la fusion de connaissances homogènes issues de systèmes de diagnostic distincts. Un tel procédé permet de regrouper diverses expériences dans un même système, tout en tenant compte des caractéristiques des différentes sources. Nous faisons alors l'économie d'une laborieuse et coûteuse reconstruction des bases de connaissances. Par la suite, nous avons appliqué ce procédé de fusion sur des connaissances issues des deux systèmes de diagnostic décrits précédemment. Nous avons pu alors évaluer le fonctionnement de cet ensemble en l'appliquant sur une véritable base de données médicale. En guise de conclusion de notre thèse, nous nous sommes longuement interrogés sur les moyens concrets d'intégrer de tels systèmes à un environnement médical, en considérant les contraintes associées à ce domaine d'application. . .

Nowadays, the number of applications requiring Data Mining is growing rapidly in all domains. In medical, we find a number of such applications, however, they are still at experimental or prototype stage. Due to various reasons, a very small number of them enters the daily practice of health professionals. For example, the non-integration of certain notions of type 'graduation' i. E. , a patient is affected by an illness but to such a degree that we cannot consider him completely ill. Then, there is the problem of degree of certainty and the integration of new knowledge and its update which must be taken into consideration for medical applications. In this work, we develop two types of diagnostic systems that depend on fuzzy logic theory to model the uncertainty and to make an analysis in a way similar to human reasoning. The first system that is based on "case-based reasoning" generates a knowledge base from the case base which is composed of membership degrees of a given case to the possible pathologies in such a way that we can easily estimate the similarity that exists between the cases. The second system that we have developed is based on "rule-based reasoning". Another point developed in our work is the fusion of knowledge from homogeneous knowledge sources coming from distinct diagnostic systems. This fusion regroups different experiences in a single system by taking into account the characteristics of different sources without having to reconstruct the knowledge base. We have applied this fusion on both aforementioned diagnostic systems by evaluating them on a medical database. The last part of our work deals with the integration of the systems described earlier in a medical environment taking into account all the constraints associated with the environment.