Bouabid Idir. (2024). Exploration de l’apprentissage automatique pour la prédiction du degré d’atteinte de personnes souffrant d’ARSACS à partir de signaux EMG. Mémoire de maîtrise, Université du Québec à Chicoutimi.
![]() |
PDF
2MB |
Résumé
Ce mémoire explore l’utilisation de l’apprentissage automatique pour prédire le degré d’atteinte des personnes atteintes d’Ataxie Récessive Spastique Autosomique de Charlevoix-Saguenay (ARSACS) à partir de signaux électromyographiques (EMG). L’ARSACS, une maladie neurodégénérative rare, se manifeste par une dénervation sévère des muscles, détectable grâce à l’EMG. L’objectif principal de cette recherche est d’identifier des marqueurs prédictifs permettant de suivre le degré d’atteinte des patients atteints d’ARSACS et de prévoir la progression de la maladie sur plusieurs années, contribuant ainsi à une meilleure compréhension de cette pathologie. Pour atteindre cet objectif, des approches de clustering et de régression ont été appliquées aux données EMG et cliniques, dans le but de tenter de découvrir des groupements inédits de profils de patients présentant des similitudes, et de prédire et estimer la progression de la maladie à des instants futurs. Les résultats montrent que le clustering permet d’identifier des sous-groupes cliniquement significatifs, bien que la variabilité au sein des groupes puisse limiter la discrimination des degrés d’atteinte, reflétant ainsi la complexité de la maladie. Les modèles de régression utilisés pour prédire la progression de la maladie ont rencontré des difficultés à capturer efficacement les interactions complexes entre les variables cliniques et les données EMG. La variabilité importante des performances des modèles et le risque élevé de surapprentissage mettent en évidence leur manque de robustesse. Ces résultats sont principalement dus à la taille réduite de l’échantillon de données et à la forte hétérogénéité des patients, qui limitent considérablement la généralisation des modèles. Malgré ces limites, cette recherche représente une avancée importante dans l’application de l’apprentissage automatique à l’ARSACS et ouvre la voie à des études futures en intégrant des approches plus sophistiquées et un volume de données plus important pour mieux comprendre la progression de la maladie.
Type de document: | Thèse ou mémoire de l'UQAC (Mémoire de maîtrise) |
---|---|
Date: | 2024 |
Lieu de publication: | Chicoutimi |
Programme d'étude: | Maîtrise en informatique |
Nombre de pages: | 105 |
ISBN: | Non spécifié |
Sujets: | Sciences naturelles et génie > Sciences mathématiques > Informatique Sciences de la santé > Sciences médicales > Neurosciences |
Département, module, service et unité de recherche: | Départements et modules > Département d'informatique et de mathématique > Programmes d'études de cycles supérieurs en informatique |
Directeur(s), Co-directeur(s) et responsable(s): | Gaboury, Sébastien Maître, Julien |
Mots-clés: | apprentissage automatique, ARSACS, EMG |
Déposé le: | 18 déc. 2024 20:56 |
---|---|
Dernière modification: | 08 janv. 2025 00:32 |
Éditer le document (administrateurs uniquement)