Veuillez utiliser cette adresse pour citer ce document :
http://dspace1.univ-tlemcen.dz/handle/112/11202
Affichage complet
Élément Dublin Core | Valeur | Langue |
---|---|---|
dc.contributor.author | BAB-HAMED, Zeyneb Khadidja | - |
dc.contributor.author | SIFOU, Wassila | - |
dc.date.accessioned | 2017-11-06T14:00:00Z | - |
dc.date.available | 2017-11-06T14:00:00Z | - |
dc.date.issued | 2013-06-26 | - |
dc.identifier.uri | http://dspace.univ-tlemcen.dz/handle/112/11202 | - |
dc.description.abstract | La 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.iso | fr | en_US |
dc.subject | Anesthésie, RNS, K-NN, ANFIS. | en_US |
dc.subject | SVM, BDD (intubation). | en_US |
dc.title | CLASSIFICATION INTELLIGENTE DES DONNÉES ANESTHÉSIQUES. | en_US |
dc.type | Thesis | en_US |
Collection(s) : | Master en Génie Biomedical |
Fichier(s) constituant ce document :
Fichier | Description | Taille | Format | |
---|---|---|---|---|
Ms.EBM.Sifou+Bab-Ahmed.pdf | 8,83 MB | Adobe PDF | Voir/Ouvrir |
Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.