Développement d’un prototype non invasif pour la prédiction du risque de diabète de type 2 basé sur l’Intelligence Artificielle.
| dc.contributor.author | Houfel, Lyna | |
| dc.contributor.author | Zennouche, Merina | |
| dc.date.accessioned | 2026-06-07T10:21:48Z | |
| dc.date.available | 2026-06-07T10:21:48Z | |
| dc.date.issued | 2025-07-03 | |
| dc.description | 49 p: ill.; PDF | |
| dc.description.abstract | Le diabète est une maladie chronique qui touche des millions de personnes à travers le monde, il nécessite une surveillance continue et précise pour prévenir les complications graves. La détection précoce des risques liés au diabète est essentielle pour améliorer la qualité de vie des patients et faciliter une prise en charge rapide et efficace. Cependant, les méthodes traditionnelles de suivi sont souvent insuffisantes pour générer des données et anticiper les changements dans l'état de santé des patients. Dans ce contexte, l'intégration de l'intelligence artificielle (IA) et des technologies de surveillance des paramètres vitaux constitue une avancée majeure. Ce travail propose le développement d’un prototype non invasif pour la prédiction du risque du diabète de type 2, basé sur l’IA. Le système est conçu pour utiliser un microcontrôleur ESP32 couplé à des capteurs biomédicaux afin de mesurer la fréquence cardiaque (HR), la variabilité de la fréquence cardiaque (HRV) et la pression artérielle (PA). Toutefois, en raison de certaines limitations matérielles, seul le paramètre HR a été effectivement implémenté dans le prototype réalisé. Les données collectées sont transmises à une plateforme cloud et analysées par l’algorithme d’apprentissage Random Forest. Une application mobile permet aux utilisateurs de suivre leur état de santé et de recevoir des alertes personnalisées. Les tests effectués ont permis de valider le bon fonctionnement de la chaîne de mesure, de transmission et de prédiction à partir de la HR. Ce dispositif constitue une première étape prometteuse vers un système complet et intelligent d’aide à la prévention du diabète. | |
| dc.identifier.citation | Electronique des systèmes embarqués | |
| dc.identifier.other | MAST.ELN.16-24 | |
| dc.identifier.uri | https://dspace.ummto.dz/handle/ummto/30227 | |
| dc.language.iso | fr | |
| dc.publisher | FGEI.UMMTO | |
| dc.subject | Diabète | |
| dc.subject | Surveillance des paramètres vitaux | |
| dc.subject | Fréquence cardiaque (HR) | |
| dc.subject | Variabilité de la fréquence cardiaque (HRV) | |
| dc.subject | Pression artérielle | |
| dc.subject | Intelligence artificielle | |
| dc.subject | Capteurs biomédicaux | |
| dc.subject | Cloud | |
| dc.subject | Application mobile | |
| dc.subject | Détection précoce. | |
| dc.title | Développement d’un prototype non invasif pour la prédiction du risque de diabète de type 2 basé sur l’Intelligence Artificielle. | |
| dc.type | Thesis |