Contribution à l'étude et à la mise en oeuvre d'approches hybrides d'aide au diagnostic : application aux domaines biomédical et industriel

par Nadia Kanaoui

Thèse de doctorat en Sciences. Informatique

Sous la direction de Kurosh Madani.

Soutenue en 2007

à Paris 12 .


  • Résumé

    Le travail de cette thèse est en rapport avec les systèmes d'aide à la décision pour le diagnostic de défaillances, la reconnaissance de forme et la prise de décisions basées sur l'intelligence artificielle utilisant les techniques hybrides, et le "soft computing" impliquant les réseaux de neurones et la logique floue. Le but de ce travail n'est absolument pas de remplacer le spécialiste humain (médecin, expert. . . ) mais de proposer des systèmes d'aide à la décision pour le diagnostic de défaillances avec un certain indice de confiance. Ainsi, l'objectif principal est le développement d'approches hybrides modulaires permettant l'élaboration de tels SAD, destinés à répondre à certains types d'applications (biomédicale et industrielle). Pour cela, une méthodologie globale, basée sur une multiple représentation de la connaissance et une multiple classification, a été proposée exploitant différentes stratégies de représentation et de classification. Les avantages potentiels de cette méthodologie sont : la multiple représentation de la connaissance d'une même source ou de différentes sources d'information (exploitant la richesse de l'information que l'on peut extraire de différentes représentations), la multiple classification (redondance et/ou complémentarité), l'hybridation dans la classification et la prise de décisions basée sur des approches hybrides modulaires afin d'exploiter le caractère complémentaire, et l'exploitation d'un paramètre de confiance dans la prise de décisions afin de proposer un résultat final de diagnostic avec un indice de confiance. De plus, l'aspect modulaire dans cette méthodologie facilitera son adaptation d'un application à une autre.

  • Titre traduit

    Development of hybrid approaches for diagnosis support systems (DSS) (biomedicine and industrial applications)


  • Résumé

    Research work developed in this thesis deals with decision support systems for fault diagnosis, pattern recognition and decision-making based on artificial intelligence using hybrid techniques, and soft computing implying neural networks and fuzzy logic. The aim of this work is absolutely not to replace specialized human (doctor, expert,. . . ) but to suggest efficient Diagnosis Support Systems (DSS) with a certain confidence index. Thus, the main objective is the development of hybrid modular approaches allowing the elaboration of such DSS for certain kinds od applications (biomedicine and industrial). For that, a global methodology, based on multiple knowledge representation and multiple classification has been suggested exploiting different representation and classification strategies. Potential advantages of this methodology are : the multiple knowledge representation from same source or different sources of information (exploiting rich information which can be extracted from different representations : signal, global image, subdivided image), the multiple classification (redundancy and/or complementary), the hybrid structure in classification and decision-making based on hybrid modular approaches in order to exploit the complementary aspect, and the exploitation of a confidence parameter in the decision-making to suggest a final result of diagnosis with a confidence index. More, the modular aspect in this methodology will facilitate its adaptation from one application to another.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Annexes : Bibliogr. : 100 réf

Où se trouve cette thèse\u00a0?

  • Bibliothèque : Université Paris-Est Créteil Val de Marne. Service commun de documentation. Bibliothèque de ressources électroniques en ligne.
  • Accessible pour le PEB
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.