Abstrait

Intelligence artificielle et nanotechnologie pour le diagnostic des maladies cardiaques

Cheikh Abdul Hannan

L'identification précoce est essentielle pour une prévention et un traitement efficaces des maladies cardiaques, qui constituent un problème de santé majeur. Les méthodes traditionnelles et non invasives prennent du temps, sont inconfortables, coûteuses et inadaptées à un examen ou un diagnostic périodique. Il existe de nombreuses approches non invasives (NI) pour diagnostiquer les maladies cardiovasculaires. Les données obtenues par les méthodes NI se présentent principalement sous trois formes : (i) des informations dérivées de variables cliniques, de tests de laboratoire et de signes et symptômes (ii) des données cardiovasculaires brutes (ECG et PCG) ; ou (iii) des images cardiaques. Trois cadres ML (apprentissage automatique) uniques peuvent être construits sur la base des trois types de données. Les résultats des tests de maladie cardiovasculaire non coronarienne (sans CHD) et de maladie cardiovasculaire myocardique (CHD) étaient respectivement précis à 80,1 % et 76,9 %. Les SVM (Support Vector Machines) et les réseaux neuronaux artificiels (Artificial Neural Network) se sont avérés plus performants dans la majorité des études sur toutes les plateformes. Les réseaux neuronaux profonds sont une technologie d'intelligence artificielle relativement récente qui produit des résultats impressionnants dans la catégorisation des bruits cardiaques et l'imagerie cardiovasculaire. Les travaux actuels contribueront à l’automatisation de la détection des maladies cardiovasculaires en offrant des recommandations et des possibilités aux nouveaux chercheurs dans le domaine de l’apprentissage automatique.