Développement d'un outil de diagnostic de la pathologie pulmonaire obstructive.

Abstract

Les maladies pulmonaires obstructive peuvent être diagnostiqué grâce aux sons pulmonaires atypiques qui se superposent aux sons respiratoires réguliers. Les crépitements grossiers ou fins et les sifflements sont les sons pulmonaires adventices (ALS) courammentendus. En premier lieu nous avons transformé la problématique vers une conjoncturereconnaissance d'images en ramènent l’auscultation au niveau des spectrogrammes des sons respiratoires. Ensuite nous proposons une approche d’aidés au diagnostic. Où un réseau neurone convolutif à 16 couches a permis de classifier les sons respiratoires en quatre classedans le premier classe présence de crépitements, la deuxième classe présence de sifflemela troisième classe présence des deux sons en même temps et la quatrième classe l’absenceces sons. Avec les performances suivantes, la précision 71%, la sensibilité 67% et F1-Sc69% avec une accuracy 75%. Enfin, nous avons utilisé la méthode de classification supportvector machine (SVM) pour développer une méthode de diagnostic automatique.