Intelligence artificielle hybride explicable pour prédire la tuberculose pulmonaire en intégrant l'ontologie et l'apprentissage profond

Explainable Hybrid Artificial Intelligence to Predict Pulmonary Tuberculosis Integrating Ontology and Deep learning

• Auteur / Autrice : Napthaline Gerard
• Direction : Slim Hammadi
• Type : Projet de thèse
• Discipline(s) : Informatique, Automatique
• Date : Inscription en doctorat le 01/10/2021
• Etablissement(s) : Centrale Lille Institut
• Ecole(s) doctorale(s) : MADIS Mathématiques, sciences du numérique et de leurs interactions
• Partenaire(s) de recherche : Laboratoire : CRIStAL - Centre de Recherche en Informatique, Signal et Automatique de Lille

Mots clés

Mots clés libres

Apprentissage profond

Explicablité

Intelligence Artificielle

Ontologie

Aide a la decision

Diagnostic

Decision support system

Explainability

Ontology

Deep Learning

Artifical Iintellligence

Diagnostic

Résumé

Le diagnostic clinique est une partie importante et critique de la prise en charge des patients. Il s'agit du processus qui permet d'identifier la nature et la cause d'une pathologie en analysant les symptômes, les signes du patient, les antécédents du patient et les résultats des examens cliniques y compris l'imagerie médicale et la biologie médicale. En pratique, la décision médicale est un processus complexe intégrant des données hétérogènes quant à leur origine : histoire, examen clinique, biologie médicale, imagerie, etc. examen, biologie médicale, imagerie etc... L'art médical consiste en une intégration de ces informations, volontiers contradictoires, incertaines ou manquantes. Cette intégration vise simultanément à poser un diagnostic et, au fil du temps, à prescrire des examens complémentaires pour confirmer ou infirmer itérativement ce diagnostic. Pour aider les médecins urgentistes, les cliniciens doivent également augmenter la qualité de la précision et gagner du temps. L'objectif de ce sujet de thèse est de développer une application pour diagnostique des maladies par exemple le cancer du pancréas, les maladies pulmonaires, etc... en maintenant la disponibilité des données dans les soins de santé en utilisant une technique d'intelligence artificielle et une ontologie où les données sont catégorisées, la relation entre les données conceptuelles et les entités (traitées) pour procéder ou travailler sur la technique d'intelligence artificielle. Il s'agit d'aider le médecin à obtenir des résultats précis et à gagner du temps.

Clinical diagnosis is an important and critical part of patient management. It's the process that identifies the nature and cause of pathology by analyzing the symptoms, patient signs, patient history, and results of Para clinical examinations, including imaging medical and medical biology. In practice, the medical decision is a complex process integrating heterogeneous data as to their origin history, clinical examination, medical biology, imaging, etc... The medical art consists of an integration of this information, readily contradictory, uncertain, or missing. This integration aims simultaneously to make a diagnosis and, over time, to prescribe additional examinations to confirm or iteratively rule out this diagnosis. To help emergency physicians, clinicians also increase the quality of accuracy and safe time. The aim of this thesis topic is to develop an application for e.g Pancreatic cancer, Pulmonary disease, etc.. by maintaining the availability of Data's in Healthcare using Artificial intelligence Technique and Ontology where data's are categorized, the relationship between the concept data's and entities (processed) to proceed or work on Artificial intelligence Technique. Also reading the Biological side of disease to diagnose in the placing physician. This is to help physicians for accurate results and to save time.