Skip navigation
Please use this identifier to cite or link to this item: https://repository.esi-sba.dz/jspui/handle/123456789/311
Full metadata record
DC FieldValueLanguage
dc.contributor.authorHAMITOU, YAcine-
dc.contributor.authorBAKIRI, ABdellah-
dc.date.accessioned2022-11-08T09:04:20Z-
dc.date.available2022-11-08T09:04:20Z-
dc.date.issued2022-
dc.identifier.urihttps://repository.esi-sba.dz/jspui/handle/123456789/311-
dc.descriptionSupervisor Mr Souleyman Cahib Second supervisor Mr Ammar Guellaben_US
dc.description.abstractChronic obstructive pulmonary disease (COPD) is a common lung disease in todayŠs society. In medical practice, physicians mainly use spirometry to screen for this disease in a so-called target population (e.g. smokers at the age of 40), but this method is very dependent on the cooperation of the patient, which makes it difficult if the patient is unconscious or in a state that does not allow him to understand the instructions for the examination. Fortunately, machine learning is making healthcare smarter and easier in todayŠs world because itŠs a complex process that requires human effort and time. So using machine learning for diagnosis could signiĄcantly reduce costs and radiation exposure from X-ray and computerized tomography (classical methods), as well as improve accessibility to locations with limited technology or inexperienced staff, while similar technologies have been used successfully in the medical Ąeld in the past, sound signal analysis is still in its early stages, with enormous potential. In this workd we will study different machine learning aproaches related to pulmanory diseases and COPD detection.*** La bronchopneumopathie chronique obstructive (BPCO) est une maladie pulmonaire courante dans la société actuelle. Dans la pratique médicale les médecins utilisent principalement la spirométrie pour dépister cette maladie dans une population dite prédisposée (ex : fumeurs à lŠâge de 40 ans) mais cette méthode est très dépendante de la coopération du patient cela la rend difficile si le patient est inconscient ou dans un état qui ne le permet pas de comprendre les instructions de lŠexamen. LŠétape la plus importante dans le traitement dŠun patient est lŠobtention dŠun diagnostic précis, qui permet aux médecins de déterminer le meilleur traitement pour selon lŠétat du patient. Heureusement, lŠapprentissage automatique rend les soins de santé plus intelligents et plus faciles dans le monde dŠaujourdŠhui. Ainsi, lŠutilisation de lŠapprentissage automatique pour le diagnostic pourrait réduire considérablement les coûts et lŠexposition aux rayonnements lors des examens radiologiques comme la tomographie assistée par ordinateur TDM (méthodes classiques) et les clichés radiologique, ainsi quŠaméliorer lŠaccessibilité des lieux disposant dŠune technologie limitée ou dŠun personnel inexpérimenté. Bien que des technologies similaires aient été utilisées avec succès dans le domaine médical par le passé, lŠanalyse du signal sonore nŠen est quŠà ses débuts, avec un potentiel énorme. Dans ce travail, nous étudierons différentes approches dŠapprentissage automatique liées aux maladies pulmonaires et à la détection de la BPCO. maladies pulmonaires et à la détection de la BPCO.en_US
dc.language.isoenen_US
dc.subjectCOPDen_US
dc.subjectDeep Learningen_US
dc.subjectMachine Learningen_US
dc.subjectClassificationen_US
dc.subjectMedical Assistanceen_US
dc.subjectAudio Processingen_US
dc.titleRespiratory Sound Analysis of Chronic Obstructive Pulmonary disease Detectionen_US
dc.typeThesisen_US
Appears in Collections:Ingénieur

Files in This Item:
File Description SizeFormat 
Ing-1-1.pdf119,37 kBAdobe PDFView/Open
Show simple item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.