Veuillez utiliser cette adresse pour citer ce document : http://dspace1.univ-tlemcen.dz/handle/112/11202
Affichage complet
Élément Dublin CoreValeurLangue
dc.contributor.authorBAB-HAMED, Zeyneb Khadidja-
dc.contributor.authorSIFOU, Wassila-
dc.date.accessioned2017-11-06T14:00:00Z-
dc.date.available2017-11-06T14:00:00Z-
dc.date.issued2013-06-26-
dc.identifier.urihttp://dspace.univ-tlemcen.dz/handle/112/11202-
dc.description.abstractLa spécialité anesthésie-réanimation, est capitale en médecine. Elle s’ouvre sur un territoire médical vaste, riche et transversal qui permet un exercice varié de l’anesthésie (SAMU, déchoquage, réanimation). Le domaine de l’anesthésie, comprend plusieurs recherches permettant de diminuer le risque « anesthésie » et le taux de mortalité tout en apportant différents changements. Dans ce mémoire de Master 2, nous proposons un système de classification intelligent, apportant une aide aux médecins anesthésistes-réanimateurs (MAR), en appliquant quatre classifieurs : - Réseaux de Neurones « RNs », Neuro-Flou « ANFIS », K-Plus Proche Voisins « K-NN » et Machine à Vecteur de Support « SVM » - sur une nouvelle base de données (BDD) anesthésiques collectées localement. Les résultats obtenus prouvent la fiabilité et la cohérence de notre BDD.en_US
dc.language.isofren_US
dc.subjectAnesthésie, RNS, K-NN, ANFIS.en_US
dc.subjectSVM, BDD (intubation).en_US
dc.titleCLASSIFICATION INTELLIGENTE DES DONNÉES ANESTHÉSIQUES.en_US
dc.typeThesisen_US
Collection(s) :Master en Génie Biomedical

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
Ms.EBM.Sifou+Bab-Ahmed.pdf8,83 MBAdobe PDFVoir/Ouvrir


Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.