Étude d'algorithmes d'apprentissage artificiel pour la prédiction de la syncope chez l'homme

par Mathieu Feuilloy

Thèse de doctorat en Informatique

Sous la direction de Pascal Nicolas.

Soutenue en 2009

à Angers .


  • Résumé

    La syncope, dont l'origine peut ne pas être clairement définie, est considérée comme une pathologie fréquente. Dans ce cas et lorsque les épisodes sont répétés, le patient peut être amené à réaliser le test de la table d'inclinaison. Cet examen appelé tilt-test, est une méthode reconnue pour recréer les conditions dans lesquelles le patient ressent les symptômes de la syncope. Cependant, le principal problème de ce test est sa durée, qui peut atteindre une heure. Dès lors, pour des raisons de coût et de bien-être des patients, il paraît important de pouvoir réduire sa durée. C'est dans cet objectif que s'inscrivent les travaux réalisés dans le cadre de cette thèse, qui tentent de prédire l'apparition des symptômes liés à la syncope, et ce, le plus tôt possible. Durant nos recherches, deux axes sont ressortis naturellement : la fouille de données et le développement de modèles capables de prédire le résultat du tilt-test. Ces deux axes partagent des méthodes issues de l'apprentissage articiel, qui permettent d'acquérir et d'extraire des connaissances à partir d'un ensemble d'observations signicatif. La littérature propose tout un ensemble de méthodes, qui nous ont permis de mettre en évidence certaines caractéristiques pertinentes, de manière à construire des modèles parcimonieux et robustes. Ces derniers ont permis d'obtenir des résultats intéressants pour la prédiction du résultat du tilt-test au terme notamment, des dix premières minutes de l'examen. Ces performances ont pu être considérablement améliorées par le développement de nouvelles techniques de fouille de données, permettant d'extraire très e- cacement de la connaissance. Les méthodes mises en place s'articulent autour de la sélection de variables et de l'interprétation de projections non linéaires. Ces méthodes, bien que développées autour de notre thématique, se sont montrées reproductibles lors de tests sur d'autres ensembles de données.


  • Résumé

    Syncope is considered as a common pathology, although sometimes its cause cannot be clearly diagnosed. In this case and when syncope is frequently experienced, the patient can have a head-upright tilt test. This examination is based on the reproduction of symptoms of the syncope ; however, its major drawback is the duration of the examination, which can take up to one hour. Therefore, reducing the examination time would decrease its cost and improve the comfort of the patient. This is the challenge of this thesis, which tries to predict the appearance of the symptoms of the syncope before the end of the tilt test. During the research, two areas of study became important : data mining and development of models used to predict the tilt-test result. Both areas use algorithms coming from machine learning, enabling the acquisition and extraction of relevant knowledge on data sets. Published works give many methods, which have enabled the extraction of some pertinent characteristics. With these, robust and ecient models have been constructed, which have enabled the prediction of the tilt-test results in the rst ten minutes of the examination. Also, the performance has been improved by the development of new techniques of data mining, enabling more ecient analysis of data. These methods have been used for the selection of the variables and for the interpretation of the non-linear projection techniques. Even though these methods have been developed for this research, they have shown interesting performances during tests on other data sets.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (x-276 p.)
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. p. 261-276. Index

Où se trouve cette thèse ?

  • Bibliothèque : Université d'Angers. Service commun de la documentation. Section Lettres - Sciences.
  • Disponible pour le PEB
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.