Skip navigation
Please use this identifier to cite or link to this item: https://repository.esi-sba.dz/jspui/handle/123456789/463
Title: Development of a platform for disease prediction and doctor orientation using machine learning
Authors: NOURINE, YAcine
OUAHAB, WAil
Keywords: Disease Prediction
Artificial Intelligence
Machine Learning
Issue Date: 2023
Abstract: Abstract : Online disease diagnosis has become an important area of research and development, as it has the potential to improve access to healthcare and provide early detection and intervention for various diseases. However, there are many different approaches that can be used in online disease diagnosis, so this thesis investigates the different approaches used in online disease diagnosis, comparing and contrasting their advantages, limitations, and applicability to different types of diseases. This thesis investigates the different approaches used in online disease diagnosis, with a particular focus on the use of artificial intelligence and machine learning techniques. Through a comprehensive review of the literature and a detailed analysis of existing online diagnosis platforms, this thesis examines the various approaches used to develop accurate and reliable systems for predicting and diagnosing diseases. The study evaluates the strengths and limitations of different techniques and identifies the key factors that influence the performance and effectiveness of online diagnosis tools. In conclusion, this thesis highlights the importance of considering the strengths and limitations of each approach and provides valuable insights into the different approaches used in the design and implementation of effective online diagnosis platforms that can improve patient outcomes and healthcare delivery and contributes to our understanding of the potential of AI and machine learning in healthcare.*** Resume : Le diagnostic en ligne des maladies est devenu un domaine important de recherche et de développement, car il a le potentiel d’améliorer l’accès aux soins de santé et de fournir une détection et une intervention précoces pour diverses maladies. Cependant, il existe de nombreuses approches différentes qui peuvent être utilisées dans le diagnostic de maladie en ligne, donc cette thèse étudie les différentes approches utilisées dans le diagnostic de maladie en ligne, comparant et contrastant leurs avantages, limites et applicabilité à différents types de maladies. Cette thèse étudie les différentes approches utilisées dans le diagnostic de maladies en ligne, avec un accent particulier sur l’utilisation de l’intelligence artificielle et des techniques d’apprentissage automatique. Grâce à une revue complète de la littérature et une analyse détaillée des plates-formes de diagnostic en ligne existantes, cette thèse examine les différentes approches utilisées pour développer des systèmes précis et fiables pour prédire et diagnostiquer les maladies. L’étude évalue les forces et les limites des différentes techniques et identifie les facteurs clés qui influencent le rendement et l’efficacité des outils de diagnostic en ligne. En conclusion, cette thèse souligne l’importance de tenir compte des forces et des limites de chaque approche et fournit des renseignements précieux sur les différentes approches utilisées dans la conception et la mise en oeuvre de plateformes de diagnostic en ligne efficaces qui peuvent améliorer la santé des patients. résultats et prestation des soins de santé et contribue à notre compréhension du potentiel de l’intelligence artificielle et de l’apprentissage automatique dans les soins de santé.
Description: Supervisor : Mr. CHAIB souleyman
URI: https://repository.esi-sba.dz/jspui/handle/123456789/463
Appears in Collections:Ingénieur

Files in This Item:
File Description SizeFormat 
PFE_DIAGNOSIANA-1-1.pdf102,57 kBAdobe PDFView/Open
Show full item record


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