Prédiction basée sur l'apprentissage automatique et l'apprentissage profond de cancer de la prostate et quelque traitements du-il dans la région d’Ouargla

Abstract

Cette étude propose une approche basée sur l’intelligence artificielle, notamment l’apprentissage supervisé, pour améliorer le diagnostic du cancer de la prostate. Les données de 327 patients de l’hôpital Mohamed Boudiaf à Ouargla ont été analysées, et plusieurs algorithmes de classification ont été comparés. Le modèle de réseau de neurones artificiels (ANN) a montré de bonnes performances globales, contrairement au modèle SVM à noyau linéaire qui, bien qu’ayant atteint une précision de 98 %, n’a pas réussi à classifier correctement les classes minoritaires. Ainsi, le modèle ANN a été retenu comme la meilleure option

This study proposes an approach based on artificial intelligence, specifically supervised machine learning, to improve the diagnosis of prostate cancer. Data from 327 patients at Mohamed Boudiaf Hospital in Ouargla were analyzed, and various classification algorithms were compared. The Artificial Neural Network (ANN) model demonstrated balanced overall performance, unlike the linear kernel Support Vector Machine (SVM), which, despite achieving 98% accuracy, failed to correctly classify minority classes. Therefore, the ANN model was selected as the best option.

تقترح هذه الدراسة نهجًا قائمًا على الذكاء الاصطناعي، وخاصةً التعلم المُشرف، لتحسين تشخيص سرطان البروستاتا. حُلّلت بيانات 327 مريضًا في مستشفى محمد بوضياف بورقلة، وقورنت عدة خوارزميات تصنيف. أظهر نموذج الشبكة العصبية الاصطناعية (ANN) أداءً جيدًا بشكل عام، على عكس نموذج SVM ذو النواة الخطية الذي، على الرغم من تحقيقه دقة 98%، فشل في تصنيف فئات الأقليات بشكل صحيح. لذلك، اختير نموذج الشبكة العصبية الاصطناعية (ANN) كأفضل خيار