Etude de l’impact des techniques d’équilibrage des données sur la performance de la classification dans le domaine médical

Abstract

Ce mémoire s'intéresse à la détection automatique du diabète par des techniques d'apprentissage automatique (Machine Learning) et d'apprentissage profond (Deep Learning). Cette pathologie chronique majeure, qui touche des millions de personnes dans le monde, est caractérisée par un dysfonctionnement de la régulation glycémique lié à un défaut de sécrétion ou d'action de l'insuline. Dans ce travail, nous évaluons plusieurs modèles de classification sur une base de données clinique, en comparant rigoureusement leurs performances selon deux scénarios : avec et sans équilibrage des classes. La gestion du déséquilibre des données constitue en effet un enjeu critique en informatique médicale, où les classes pathologiques sont souvent minoritaires. Les résultats expérimentaux montrent que l'algorithme Extra Trees s'affirme comme le modèle le plus performant dans toutes les configurations : il atteint un score F1 de 97,82 % sans traitement préalable, et affiche des performances maximales de 100 % sur l'ensemble des métriques lorsqu'il est combiné avec la méthode de sur-échantillonnage SMOTE. Les modèles d'ensemble (Random Forest, Gradient Boosting, XGBoost) suivent de près ces performances, tandis que les approches linéaires et probabilistes montrent des limites évidentes. L'étude comparative révèle que l'équilibrage par SMOTE, ADASYN et améliore significativement la sensibilité des modèles, contrairement à l'approche RandomUnderSampler qui dégrade les performances en supprimant des informations cruciales. Par ailleurs, un réseau de neurones convolutionnels unidimensionnel (CNN 1D) a été implémenté ; bien que compétitif avec un score F1 de 96,83 % obtenu via SMOTE, il reste légèrement inférieur aux modèles d'ensemble optimisés. Pour concrétiser ces travaux, une interface graphique d'aide au diagnostic médical a été développée. Ce système permet aux professionnels de santé de saisir les données d'un nouvel échantillon clinique afin d'obtenir une prédiction instantanée, fiable et automatisée du risque de diabète. En conclusion, le couplage entre Extra Trees et SMOTE offre la solution de détection la plus robuste et la plus fiable. Ce travail démontre qu'une gestion appropriée du déséquilibre des classes est indispensable en médecine pour minimiser les faux négatifs, un impératif vital là où un retard de diagnostic peut entraîner de graves complications cliniques