Afficher la notice

dc.contributor.advisorMeunier, Jean
dc.contributor.advisorBrunette, Isabelle
dc.contributor.authorAmmarkhodja, Lamia
dc.date.accessioned2024-04-30T18:50:13Z
dc.date.availableNO_RESTRICTIONfr
dc.date.available2024-04-30T18:50:13Z
dc.date.issued2024-03-28
dc.date.submitted2023-12
dc.identifier.urihttp://hdl.handle.net/1866/33064
dc.subjectCornéefr
dc.subjectNerf cornéenfr
dc.subjectSensibilité cornéennefr
dc.subjectMicroscopie confocalefr
dc.subjectCCMetricsfr
dc.subjectApprentissage automatiquefr
dc.subjectCorneafr
dc.subjectCorneal Nervefr
dc.subjectCorneal Sensitivityfr
dc.subjectConfocal Microscopyfr
dc.subjectCCMetricsfr
dc.subjectMachine Learningfr
dc.subject.otherBioinformatics / Bioinformatique (UMI : 0715)fr
dc.titleRégression non linéaire entre les motifs des fibres nerveuses et la sensibilité cornéenne en utilisant l'apprentissage automatiquefr
dc.typeThèse ou mémoire / Thesis or Dissertation
etd.degree.disciplineBio-informatiquefr
etd.degree.grantorUniversité de Montréalfr
etd.degree.levelMaîtrise / Master'sfr
etd.degree.nameM. Sc.fr
dcterms.abstractNotre projet vise à élucider la relation complexe entre la morphologie des nerfs cornéens et la sensibilité cornéenne, afin d'améliorer la compréhension et le diagnostic des pathologies oculaires. En utilisant deux types d'esthésiomètres : l'esthésiomètre sans contact (NCCA) et le Cochet-Bonnet (CBA) pour mesurer la sensibilité, et en analysant les images de microscopie confocale (IVCM) via le logiciel CCMetrics, nous avons étudié 23 individus, y compris ceux souffrant de diabète et de kératite neurotrophique. Des corrélations négatives significatives entre certains attributs neuronaux et la sensibilité cornéenne ont été identifiées. L'utilisation d'algorithmes d'apprentissage automatique, tels que K-Plus Proches Voisins (KNN), les Réseaux de Neurones (MLP), la Régression à Vecteurs de Support (SVR) et les arbres de décision, a révélé des relations non linéaires complexes. Notre étude encourage l'utilisation de l’apprentissage automatique pour détecter ces relations complexes dans le domaine médical en général et en ophtalmologie en particulier.fr
dcterms.abstractOur project aims to clarify the complex relationship between the morphology of corneal nerves and corneal sensitivity, to improve understanding and diagnosis of eye pathologies. We used two types of esthesiometers: a non-contact esthesiometer (NCCA) and Cochet-Bonnet (CBA) for sensitivity measurement and analyzed confocal microscopy (IVCM) images using the software CCMetrics. We studied 23 individuals, including those with diabetes and neurotrophic keratitis. Significant negative correlations between certain neuronal attributes and corneal sensitivity were identified. The use of machine learning algorithms, such as K-Nearest Neighbors (KNN), Neural Networks (MLP), Support Vector Regression (SVR), and decision trees, revealed complex non-linear relationships. Our study advocates using machine learning to detect these complex relationships in the medical field, especially in ophthalmology.fr
dcterms.languagefrafr


Fichier·s constituant ce document

Vignette

Ce document figure dans la ou les collections suivantes

Afficher la notice

Ce document diffusé sur Papyrus est la propriété exclusive des titulaires des droits d'auteur et est protégé par la Loi sur le droit d'auteur (L.R.C. (1985), ch. C-42). Il peut être utilisé dans le cadre d'une utilisation équitable et non commerciale, à des fins d'étude privée ou de recherche, de critique ou de compte-rendu comme le prévoit la Loi. Pour toute autre utilisation, une autorisation écrite des titulaires des droits d'auteur sera nécessaire.