République Algérienne Démocratique et Populaire Ministère De L’enseignement Supérieur Et De La Recherche Scientifique Faculté des Sciences Département d'Informatique Représenté par - Guenifi abderrahmene 2019-2018 Encadré par Mediani chara zed 1 2 Plan: 1 • Introduction 2 • Intelligence Artificielle 4 • 2.1 Apprentissage Automatique 4 • 2.1 Réseau de neurones 4 4 2.3 Apprentissage profond 3 • Expérimentation 4 • Résultats& discussions 5 • Conclusion 1 • Introduction 2 • Intelligence Artificielle 3.1 apprentissage Automatique 3.2 Reseau de neurones 3.3 Apprentissage profond 2 4 5 • Expérimentation • Résultats& discussions • Conclusion La pneumonie est une infection pulmonaire d’origine bactérienne ou virale, potentiellement mortelle. Elle peut être provoquée par des virus, des bactéries ou des champignons.,L’infection touche plus précisément les alvéoles pulmonaires, ces minuscules sacs en forme de ballons situés à l’extrémité des bronchioles plus de 18% des enfants dans le monde sont décédés, il y’a environ 50 000 qui meurent de la maladie tous les année aux ÉtatsUnis seulement (CDC, 2017). 3 1 • Introduction 2 • Intelligence Artificielle 3.1 apprentissage Automatique 3.2 Reseau de neurones 3.3 Apprentissage profond 2 4 5 • Expérimentation • Résultats& discussions • Conclusion Les médecins utilisent souvent des radiographies thoraciques pour diagnostiquer les maladies rapidement et à moindre coût. 4 1 • Introduction 2 • Intelligence Artificielle 3.1 apprentissage Automatique 3.2 Reseau de neurones 3.3 Apprentissage profond • Expérimentation 2 4 5 • Résultats& discussions • Conclusion L'intelligence artificielle est une discipline scientifique recherchant des méthodes de solution des problèmes à forte complexité logique ou algorithmique 5 1 • Introduction 2 • Intelligence Artificielle 3.1 Apprentissage Automatique 3.2 Reseau de neurones 3.3 Apprentissage profond 2 4 5 • Expérimentation • Résultats& discussions • Conclusion • Les types d’apprentissage Automatique : 6 1 • Introduction 2 • Intelligence Artificielle 3.1 Apprentissage Automatique 3.2 Reseau de neurones 3.3 Apprentissage profond 2 4 5 • Expérimentation • Résultats& discussions • Conclusion forêts aléatoires: (random forests) 7 1 • Introduction 2 • Intelligence Artificielle 3.1 apprentissage Automatique 3.2 Réseau de neurones 3.3 Apprentissage profond 2 4 5 • Expérimentation • Résultats& discussions • Conclusion 8 1 • Introduction 2 • Intelligence Artificielle 3.1 apprentissage Automatique 3.2 Réseau de neurones 3.3 Apprentissage profond 2 4 5 • Expérimentation • Résultats& discussions • Conclusion Apprentissage des RNA multicouches : À chaque présentation d’un exemple d’apprentissage au réseau, on passe par deux étapes : 1. Dans l’étape de propagation, les valeurs du vecteur d’entrée (l’exemple) sont reçues dans la couche d’entrée et propagées d’une couche à l’autre jusqu’à la sortie où un vecteur de sortie (les yi) est obtenu. 2. Dans la phase de backpropagation, les wi sont ajustés de la dernière couche jusqu’à La première de manière à rapprocher les yi obtenus de ceux attendus 9 1 • Introduction 2 • Intelligence Artificielle 3.1 apprentissage Automatique 3.2 Réseau de neurones 3.3 Apprentissage profond 2 4 5 • Expérimentation • Résultats& discussions • Conclusion Convolution neural network(CNN): 10 1 • Introduction 2 • Intelligence Artificielle 3.1 apprentissage Automatique 3.2 Réseau de neurones 3.3 Apprentissage profond 2 4 5 • Expérimentation • Résultats& discussions • Conclusion Apprentissage par Transfert: 11 1 • Introduction 2 • Intelligence Artificielle 12 3.1 apprentissage Automatique 3.2 Réseau de neurones 3.3 Apprentissage profond 2 4 5 • Expérimentation • Résultats& discussions • Conclusion Le Jeu de Données Pour entraîner, valider et mettre à l’essai nos modèles, on a exploité les jeux de données du laboratoire qui sont téléchargées sur les site du Kaggle qui contiennent 6856 images prises de patients pédiatriques âgés de 1 à 5 ans. les images sont étiquetées par des spécialistes à deux classes: normale /pneumonie. Entrainement Validation Test Sommes Pneumonie 1341 8 234 1583 normale 3875 8 390 4273 sommes 5216 16 624 6856 1 • Introduction 2 • Intelligence Artificielle 3.1 apprentissage Automatique 3.2 Réseau de neurones 3.3 Apprentissage profond 2 4 5 • Expérimentation • Résultats& discussions • Conclusion • En général l’apprentissage passe ces les étapes: 13 1 • Introduction 2 • Intelligence Artificielle 3.1 apprentissage Automatique 3.2 Réseau de neurones 3.3 Apprentissage profond 2 4 5 • Expérimentation • Résultats& discussions • Conclusion Architecture CNN (1) : 14 1 • Introduction 2 • Intelligence Artificielle 3.1 apprentissage Automatique 3.2 Réseau de neurones 3.3 Apprentissage profond 2 4 5 • Expérimentation • Résultats& discussions • Conclusion Architecture CNN (1) : 15 1 • Introduction 2 • Intelligence Artificielle 3.1 apprentissage Automatique 3.2 Reseau de neurones 3.3 Apprentissage profond 2 4 5 • Expérimentation • Résultats& discussions • Conclusion • Architecture CNN (2) : 16 1 • Introduction 2 • Intelligence Artificielle 3.1 apprentissage Automatique 3.2 Réseau de neurones 3.3 Apprentissage profond 2 4 5 • Expérimentation • Résultats& discussions • Conclusion Architecture VGG 16 : 17 1 • Introduction 2 • Intelligence Artificielle 3.1 apprentissage Automatique 3.2 Reseau de neurones 3.3 Apprentissage profond 2 4 5 • Expérimentation • Résultats& discussions • Conclusion Architecture CNN (1) Architecture CNN (2) 18 1 1.Modèle VGG16 : • Introduction 2 • Intelligence Artificielle 3.1 apprentissage Automatique 3.2 Reseau de neurones 3.3 Apprentissage profond 2 4 5 • Expérimentation • Résultats& discussions • Conclusion Modèle VGG16 : 19 1 • Introduction 2 • Intelligence Artificielle 20 3.1 apprentissage Automatique 3.2 Reseau de neurones 3.3 Apprentissage profond 2 4 5 • Expérimentation • Résultats& discussions • Conclusion Nom du modèle Epoche batch_size accurcy CNN (1) 60 32 (Test) 91.34% CNN(2) 60 32 99.56% VGG16 60 32 80.60% Random forest / / 99..04% 1 • Introduction 2 • Intelligence Artificielle 21 3.1 apprentissage Automatique 3.2 Reseau de neurones 3.3 Apprentissage profond 2 4 5 • Expérimentation • Résultats& discussions • Conclusion Notre travail n`est que dans sa version initiale, on peut dire que ce travail reste ouvert pour des travaux de comparaison et/ou d'hybridation avec d'autres méthodes de classification de toutes les maladies au niveau du thorax .