Comment faciliter la détection de problèmes cardiaques chez les sportifs en utilisant des méthodes d'intelligence artificielle ? 

Thèmes abordés

TIPE Travail d'initiative personnelle encadré, encodage des données, réseau neuronal, traitement de données, modèle, algorithme d'apprentissage

Résumé du document

L'apprentissage se fait par ajustement des poids des connexions entre les neurones, via des algorithmes d'optimisation comme la rétro-propagation du gradient.
Les réseaux de neurones sont utilisés pour résoudre une grande variété de problèmes, tels que la classification d'images, la prédiction de séries temporelles et la reconnaissance vocale.

Extraits

[...] 2eme modèle – Random Forest: Mise en oeuvre Entrainement du modèle Evaluation du modèle: Précision de 91.7% 3eme modèle – SVM (Support Vector Machine): Présentation • Les SVM sont des modèles d'apprentissage supervisé utilisés pour la classification et la régression. • Ils cherchent à trouver l'hyperplan qui maximise la marge entre les classes, en utilisant les exemples les plus proches, appelés vecteurs de support. • L'hyperplan est défini comme la frontière de décision qui sépare les classes dans l'espace des caractéristiques. [...]

[...] Définissez votre état de santé à l'instant T Nombre d'heures de sommeil. Asthme ou non ? Maladie rénale ou non ? Cancer de la peau ou non ? BMI Smoking AlcoholDrinking Stroke PhysicalHealth MentalHealth DiffWalking Sex AgeCategory Race Diabetic PhysicalActivity GenHealth SleepTime Asthma KidneyDisease SkinCancer Prétraitement des données: Nettoyage des données ▪ Suppression des features « peu intéressantes » : ▪ On élimine les features Race, KidneyDisease et SkinCancer car moins significatives ▪ On s'intéresse ici à la santé des sportifs, ainsi on supprime tous les interrogés non-sportifs (PhysicalActivity: No) et on supprime ensuite la colonne PhysicalActivity car elle n'apporte plus d'information ▪ On obtient un jeu de données de 247957 lignes et 14 colonnes. [...]

[...] Présentation du jeu de données ▪ Source du jeu de donnée: CDC (Centers for Disease Control and Prevention) qui mène des enquêtes téléphoniques annuelles pour recueillir des données sur l'état de santé des résidents des États-Unis entretiens (jeu de données très complet) ▪ 18 features: Features Explication HeartDisease Maladie du coeur détectée ou non ? Equivalent de l'IMC, une valeur permettant d'évaluer le degré de correspondance entre la masse d'une personne et sa taille Consommation de cigarette la dernière semaine ? Consommation d'alcool la semaine dernière ? AVC l'an dernier ? [...]

[...] Comment faciliter la détection de problèmes cardiaques chez les sportifs en utilisant des méthodes d'intelligence artificielle ? Description de l'approche Nous avons un jeu de données contenant diverses informations relatives à l'état de santé de personnes pratiquant régulièrement un sport en particulier, nous savons si ils ont ou non un problème cardiaque. ▪ Objectif: Prédire si de nouvelles personnes ont des problèmes cardiaques en se basant sur des informations relatives à leur état de santé. ▪ Problème de classification supervisé: technique d'apprentissage automatique où un modèle est formé pour prédire la classe ou la catégorie à laquelle appartient un nouvel élément, en se basant sur des exemples de données d'entraînement étiquetées. [...]

[...] • Les réseaux de neurones sont utilisés pour résoudre une grande variété de problèmes, tels que la classification d'images, la prédiction de séries temporelles et la reconnaissance vocale. 1er modèle - Réseau neuronal: Mise en oeuvre Entrainement du modèle Evaluation du modèle: Précision de 93% 2eme modèle – Random Forest: Présentation • Random Forest est un algorithme d'apprentissage supervisé utilisé pour la classification et la régression. • Il est basé sur un ensemble (ensemble) d'arbres de décision, où chaque arbre est construit à partir d'un échantillon de données et utilise un sous-ensemble aléatoire des fonctionnalités. [...]