Résumé:
L’incertitude en médecine a des conséquences néfastes pour le patient. Cependant, les décisions
médicales sont difficiles à prendre car elles sont souvent fondées sur des informations
incertaines. Plusieurs propositions ont émergé pour faire face à l’incertitude dans les ontologies
classiques. Néanmoins, les ontologies classiques ont des limites dans l’apport du raisonnement
sous incertitude.
Dans ce contexte, les ontologies floues ont été proposées pour remédier les défauts des
ontologies classiques en utilisant la logique floue. Ainsi, les réseaux bayésiens flous ont été
reconnus comme des techniques très performantes en matière d’aide à la décision.
L’objectif de ce travail est de réaliser un système automatique basé sur les réseaux bayésiens
flous et les ontologies floues, afin de prédire le diagnostic médical, à partir des données incertaines
et floues. Nous allons en premier lieu concevoir et implémenter une ontologie floue, en suivant
la méthodologieFODM(fuzzy ontology development methodology). Ensuite, nous procédons à
la construction du réseau bayésien flou, par l’apprentissage de la structure puis, l’apprentissage
de paramètres. Enfin, le système prédire si le patient est atteint par la maladie de l’hépatite C ou
non, tout en sachant ses informations biologiques et ses données pour faire l’inférence.
Mots clés : Connaissance incertaine, logique floue, réseaux bayésiens flous, ontologies floues.
