Développement d’un modèle ANN efficace pour détecter et classifier des patients diabétiques

Abstract

Le diabète est l'une des maladies chroniques qui provoquent une augmentation du taux de sucre dans le sang. De nombreuses complications peuvent survenir si le diabète reste non traité ou non identifié. La méthode évidente pour identifier le diabète est de se rendre dans un centre de diagnostic ou de consulter un médecin spécialiste. Mais avec l'essor des approches d'apprentissage automatique et approfondi, nous pouvons résoudre facilement ce problème critique. Dans le présent travail, nous avons conçu un modèle prédictif intelligent qui permet de détecter le diabète chez les patients avec un maximum de précision. À cette fin, nous avons utilisé dans un premier temps des algorithmes d'apprentissage automatique, notamment : LR, LDA, KNN, CART, NB et SVM. Dans un deuxième temps, nous avons développé un modèle Réseaux de Neurones Artificiel composé de plusieurs couches pour améliorer la précision de la détection. Enfin, nous avons établi une comparaison entre les algorithmes ML et DL.