Adaptation de la forêt rotationnelle pour le dépistage de la maladie de Parkinson

Abstract

Touchant près d’un million de personnes chaque année dans le monde, la maladie de Parkinson a atteint le second rang des maladies dégénératives. Ainsi, le champ de recherche s’est développé énormément pour conduire à un diagnostic médical précis. L’application des techniques d’apprentissage artificielle peut être une piste qui apparaît de plus en plus d’être très prometteuse. Ceci nous a amené à élaborer notre projet qui consiste à traiter la possibilité de l’implémentation d’un système d’aide aux médecins pour la reconnaissance de la maladie dans ces stades précoces. Dans le cadre de notre projet de fin d’études, nous nous intéresserons à l’amélioration des performances de la classification par les forêts rotationnelles. Cette méthode combine la robustesse des arbres de décision, la puissance de l’extraction des caractéristiques tout en augmentant la précision et la diversité des arbres dans la forêt par l’utilisation de tous les paramètres. Les résultats expérimentaux appliqués sur la banque de données médicales réelles (Parkinson) montrent une efficacité dans la tâche de classification avec exactitude significative vérifiée statistiquement.