Résumé: LA maladie de Parkinson représente un défi important pour les professionnels de la santé de la complexité de son diagnostic. Cependant ,l’intégration de l’intel-ligence artificielle (IA) dans le domaine médical offre des perspectives d’amélioration significative de ce processus.Dans cette optique, l’objectif de notre travail est de développer un modèle basé sur l’apprentissage automatique pour simplifier et optimiser le diagnostic de cette pathologie neurodégénérative. Pour ce faire ,nous avons élaboré notre propre réseau de neurones convolutionnel (CNN). En explorant différents types d’images IRM provenant du dataset NTUA ,nous avons pu concevoir un modèle capable de classifier avec précision la présence ou l’ab-sence de lamaladie. Cette approche a dépassé les performances des modèles préexistants en termes de métriques telles que l’accuracy, recall, précision et coreF1.Notre CNN a été intégré dans une application destinée à assister les radiologues dans leur pratique quotidienne, leur permettant ainsi d’analyser les données des patients et de réaliser des prédictions sur les images IRM.

Alger:
Langue: Français
Collation: 41 p. ill. ;30 cm.
Diplôme: Licence
Etablissement de soutenance: Alger, Université des Sciences et de la Technologie Houari Boumediene. Faculté d’Informatique
Thème Informatique

Mots clés:
Maladie deParkinson
Apprentissage profond

Note: Bibliogr.pp.39-41