Réalisation d’une interface pour la classification des données médicales

Actuellement le domaine médical exige de nouvelles techniques et technologies, afin d’évaluer l’information d’une manière objective. Cela est du aux développements récents dans l’électronique qui a poussé l’informatique à un stade de plus en plus avancé. Ceci a permis d’avoir des machines de plus en plus performantes permettant d’exécuter des algorithmes complexes, de créer des interfaces pour l’interprétation des informations et de tester de nouvelles approches de l’intelligence artificielle (IA). l’informatique est devenue un outil incontournable dans la pratique médicale moderne en générale et comme support d’aide au diagnostic en particulier. Auparavant Un diagnostic médical : était le résultat du raisonnement d’un médecin avec une décision très souvent prise à partir de plusieurs informations. Par contre un système d’aide au diagnostic rend la décision plus exacte, optimale et interprétable, il nous donne l’accès à appliquer l’un des algorithmes de l’IA dont le but est de :
• Réduire au minimum les erreurs qui peuvent survenir pendant le diagnostic d’une maladie et classer les patients suivant deux catégories << malade et non malade >>
• Développer de véritables applications ou bien des interfaces pour répondre à des problématiques médicales afin d’accélérer l’accès à l’information , présenter le résultat du raisonnement de manière simple et bien planifie et pour réduire le temps du diagnostic.

Interface pour l’aide au diagnostic médical

La médecine est une discipline scientifique mais aussi une discipline d’action qui requiert souvent une prise de décision. Ce processus résulte de la confrontation d’un problème réel à l’expérience acquise et à un corpus de connaissances théoriques. Plusieurs catégories de systèmes informatiques peuvent participer à des phases diverses de ce processus : systèmes de banques de données, systèmes d’aide à la décision, enfin systèmes d’aide à l’enseignement [3]. Les systèmes cités au dessus nécessitent la création d’interfaces graphiques par des langages de programmation pour faciliter et accélérer leur utilisation, ainsi elles nous permettent d’assurer la bonne gestion et la meilleure présentation de l’application développée. Alors, à partir d’une recherche effectuée sur les précédents travaux nous trouvons que la plupart des interfaces graphiques de la gestion des systèmes d’aide du diagnostic sont développées sous l’un des Langages de programmation soit :
• pour présenter les résultats de la classification des bases de données médicales, biologiques ou des signaux.
• ou bien pour traiter des images médicales issues de l’une des techniques de l’imagerie médicale.

La plupart des interfaces médicales pour l’aide au diagnostic présente les résultats de la classification des bases de données par l’une des langages de programmation aussi elles peuvent utiliser pour traiter les images médicales. Qui seront utilisés pour la gestion, la présentation, la planification des systèmes d’aide au diagnostic. Alors voici les littératures concernant la création des applications pour l’aide au diagnostic médical depuis 2005 : [Albaisser, 2005] les auteurs s’intéressent à des interfaces spécifiques pour le suivi du diabète. L’idée est de proposer aux patients une interface qui leur permet de suivre les dosages, le régime à suivre, les exercices physiques à réaliser afin de contrôler et de pouvoir gérer son diabète en dehors des consultations médicales. L’interface est liée à une base de registres médicaux contenant les données utiles [4].

[entre 2007-2008] LECUYER Anatole de l’Equipe du BUNRAKU à proposé une thèse sous le titre suivant « Conception et évaluation d’interfaces cerveau-ordinateur pour l’interaction 3D avec les mondes virtuels » ce travail présente une description détaillée sur les techniques d’interaction qui vont faire le lien logiciel entre l’interface cerveau-ordinateur qui utilise directement l’activité cérébrale de l’utilisateur (mesurée par exemple par des EEG) et l’applicatif de réalité virtuelle (et les tâches à effectuées dans le monde virtuel). Il s’agira d’optimiser l’utilisation de la BCI« Brain-Computer Interfaces », pour l’une (ou plusieurs) des tâches suivantes : naviguer dans le monde virtuel, saisir un objet virtuel, manipuler un objet, contrôler l’application 3D (quitter, menu, bouton 3D, etc) [5]. [2010]Melle BAAKEK Touria: Dans sa thèse de Magister a présenté deux interfaces graphiques développées sous Matlab 7 pour la segmentation des images médicales issues de l’une des techniques de l’imagerie :
-interface pour les images de deux dimensions elle permet :
• De tester les différentes méthodes de segmentation des images soit à deux classes ou bien à (n) classes par l’approche région.
• La détection de contour des images médicales de deux dimensions (2D) en utilisant les algorithme de « Sobel, Prewitt , Robert, Laplace, Canny et Zeros cross ».

-interface pour les images trois dimensions sur cette interface elle applique quelques algorithmes pour effectuer les opérations citées en dessous afin d’obtenir des informations plus proches de la réalité :
• Le premier algorithme développé est un algorithme de classification automatique où le passage 2D-3D se fait par la construction de l’histogramme 3D
• Le deuxième algorithme 3D est un algorithme de détection de contour
• Le dernier algorithme proposé utilise l’approche morphologie mathématique
• La visualisation des images obtenues est faite selon deux méthodes : en perspectives et en film [6].

[Nadjoua SAIDANE,2010] a proposé Un système d’aide au diagnostic médical dans un environnement temps-réel et critique. ce travail porte deux contributions essentielles : la conception d’un modèle biomécanique réaliste du cœur conforme avec les lois régissant le tissu myocardique et capable de reproduire le comportement myocardique réel en temps réel, et l’intégration de ce modèle dans une plateforme parallèle avec l’algorithme de block-matching, pour calculer un champ des déplacements dense et lisse recalant en temps réel Chaque point anatomique dans l’image IRM 3D préopératoire sur son homologue dans l’image US 3D préopératoire [7]. [OUISSI Fatima Zohra 2011] dans cette étude l’auteur a présenté une brève définition d’une interface humaine écrite en langage java intégrée sous le logiciel FisPro qui nous donne l’accès pour établir une classification des arythmies cardiaques par les arbres de décision flous [8]. [Hamza cherif 2011] dans ce modeste travail l’auteur se concentre sur le développement d’une interface sous java pour afficher les résultats de la classification de la BDD fœtale par SVM et RNs sous le langage Matlab.

L’auteur intègre une bibliothèque qui s’appelle ‘jmatlink’’, c’est une bibliothèque faramineuse qui permet de basculer entre Matlab et java.

[FZ AMARA – 2011] Sur ce papier l’auteur présente les résultats du traitement des données réelles provenant de la base de donné MIT-BIH du laboratoire de l’hôpital de Beth par le langage Matlab sur une interface graphique développée sous java « NetBeans », qui porte quatre items horizontaux représentant les différents traitements applicables, commençant par le chargement et la codification de la base de données ensuite l’apprentissage et la classification par le modèle de markov caché HMM selon 4 modèles :
• Le premier HMM qui est le modèle de reconnaissance de battements normaux
• Le second un modèle conçu pour la reconnaissance de battements d’extrasystoles ventriculaires
• Le troisième est créé pour la reconnaissance de battements d’extrasystoles auriculaires
• Le quatrième est fait pour la reconnaissance de battements d’extrasystoles fonctionnelles.

[Belgacem Amar 2012] dans ce thème de magister l’auteur implémente un logiciel appelé ECGMASNNC acronyme anglais pour dire « ECG multi-agent system neuronal network classifier ». C’est un logiciel d’analyse et de classification d’arythmies cardiaques ‘PVC’ basé sur les SMAs neuronal à apprentissage supervisé. Ce système est chargé de déterminer le type du battement en fonction de ses caractéristiques. Il est simple à utiliser et sa manipulation est accessible à travers une interface graphique crée à partir de quatre zones :
• Zone d’affichage des résultats de classification
• Zone de visualisation des résultats de classification
• Zone d’affichage des résultats d’exécution
• Les buttons de chargement, génération des données, entrainement, évaluation et configuration.

Leur système a été validé sur des enregistrements extraits de la base de données MIT-BIH, les résultats obtenus sont encourageants.

[2012]Melle Kerim Selma et Mlle Benmansour Yasmine ont proposé de développer un service mobile de télé-imagerie médicale permettant de consulter et télécharger des photos capturées d’une caméra à n’importe quel moment, à n’importe quel endroit par une caméra d’un serveur située à distance à fin d’assurer la surveillance de l’état du patient à distant. Pour la réalisation de la plateforme les auteurs ont utilisés les outils de java ont été implémentés sous l’environnement NetBeans IDE et un outil de simulation Sun Java™ Wireless toolkit (J2ME) a été exploité pour examiner toutes les communications sans fil possibles [11]. [le 02 Juillet 2013] Melle Asma HAMMYANI et Melle Soumia ALLIOUA ont travaillé sur l’amélioration des forets aléatoires pour la réalisation d’une application du diagnostic médical sous Matlab pour l’affichage des résultats de la classification des BDD suivantes {Pima et Breast cancer}.

[Février 2015] P. Keerthi Priya et Dr.G.Umamaheswara Reddy : ont établi une interface MATLAB pour la classification des arythmies cardiaques issues de la combinaison d’une partie du signal ECG de MIT-BIH avec la base de donné arrhythmia de l’université de Creighton [13]. En 2015 plusieurs travaux ont été présentés, Nous allons cités quelques uns : [Janvier 2015] Projet de Maitrise Génie Informatique<< Data Mining avec Weka>>ce projet consiste à utiliser le logiciel weka sous le langage java pour la création des interfaces graphiques. Il présente six onglets correspondant soit à des étapes du processus d’apprentissage, soit à des classes d’algorithmes de classification (supervisée ou non)pour la classification des grandes BDD médicales <>par exemple Leukemia [14]. [2015]Benhabib et Bradai dans ce projet de fin d’étude les auteurs ont proposée un système d’ acquisition des signaux EEG sur un micro ordinateur par une carte électronique intégrée sur une plateforme de prototypage d’objet interactif a usager créatif Arduino .Ensuite ils ont développé une interface graphique sous le langage Matlab afin d’effectuer un traitement numérique sur les signaux issues de la carte en cliquant sur l’un de boutons suivants :
• Démarrer l’acquisition : nous permet d’avoir l’acquisition en temps réel par port série
• Filtrer : afin d’extraire uniquement les quatre rythmes du signal
• Spectre : pour visualiser le contenu fréquentiel du signal enregistré.

[2015] Bensadia et Belabid leur travaille consiste à innover une interface graphique sous l’environnement Matlab pour présenter les résultats de : La compression d’une base de données des signaux EEG acquis à l’hôpital de Tlemcen comporte 4000 échantillons afin d’éliminer les coefficients de faibles valeurs absolues par le principe de seuillage et de reconstruire un signal avec les seuls coefficients significatifs, ceux qui contiennent une grande quantité d’énergie du signal [16]. [Douibi khalida 2015] : ce Projet de fin d’études de Master d’IBM consiste la réalisation d’une application sous Matlab pour tester deux algorithmes appelé : Bagged MLknn et Rakel Random Forest. Afin d’effectuer une classification multi label sur les trois bases de données suivantes : Yeast, Scene, et Genbase.
• Bagged MLknn est une méthode d’ensemble d’adaptation.
• Rakel RF est une méthode d’ensemble de transformation qui utilise un type de transformation du problème multi-labels en un problème multi-classes.

Table des matières

Introduction générale
Chapitre I : Etat de l’art
Introduction
1. Interface pour l’aide au diagnostic médical
2. Interface pour la gestion des cabinets médicaux
2.1. Dossier médicale
Conclusion
Chapitre II: Définitions & généralités
Introduction
1. Partie 1
1.2. Définition et généralités
1.2.1. Durée de la crise épileptique
1.2.2. Fréquence de la maladie
1.2.3. Classification des épilepsies
1.2.3.1. Les crises généralisées
1.2.3.1.1. Les crises toniques
1.2.3.1.2. Les crises cloniques
1.2.3.1.3. Les crises tonic cloniques
1.2.3.1.4. Les crises myocloniques
1.2.3.1.5. Les crises atoniques
1.2.3.1.6. Les crises absences
1.2.3.2. Les crises partielles ou focales
1.2.3.2.1. Les crises partielles simples
1.2.3.2.2. Les crises partielles complexes
1.2.3.2.3. Les crises partielles secondairement généralisées
1.2.3.3. Les crises non classifiées
1.2.4. Causes d’épilepsie
1.2.4.1. L’épilepsie idiopathique
1.2.4.2. Les épilepsies crypto géniques
1.2.4.3. Les épilepsies symptomatiques
1.2.5. Les Signes et symptômes
1.2.6. Traitement de l’épilepsie
1.2.6.1. Traitement médicamenteux
1.2.6.2. Traitement par stimulation électrique
1.2.6.3. Traitement chirurgical
1.2.7. Diagnostic d’épilepsie
1.2.7.1. Interrogatoire médical et examen clinique
2. Partie 2
2.1. Définition de EEG
2.2. Technique
2.3. Déroulement de l’examen
2.3.1. EEG dans le cas normal
2.3.2. EEG dans l’épilepsie
Conclusion
Chapitre III : présentation de l’outil de développement
Introduction
1. Qu’est ce que Matlab ?
2. Quelles sont les particularités de MATLAB ?
3. Création d’une interface graphique
3.1. L objets graphiques
3.1.1. Présentation
3.1.1.1. Objet Root
3.1.1.2. Objets Figure
3.1.1.3. Objets Axes
3.1.1.4. Objets UI
3.1.2. Gestion
3.1.2.1. Qu’est-ce qu’un handle ?
3.1.2.2. Propriétés
3.1.3. Méthodes de développement
3.1.3.1. L’outil GUIDE
3.1.3.1.1. Présentation
3.1.3.2. Programmation à la main
3.1.3.2.1. Présentation
Conclusion
Chapitre IV: Conclusion

Télécharger le rapport complet