Prédiction des Propriétés Optiques du Sang par Les Réseaux de Neurones Artificieles

Abstract

Prédiction des propriétés optiques du sang par les réseaux de neurones artificiels L’objectif attribué à ce travail est de modéliser l’absorption du sang en fonction de la longueur d’ondes, la concentration de l’hémoglobine, la température et le pourcentage de saturation en oxygène par réseau de neurones artificiels (RNA). Un modèle neuronal de types (PMC-RNA) caractérisé par une structure de quatre neurones a été utilisés dans la couche d’entrée correspond aux quatre paramètres d’entrée (la longueur d’ondes, la concentration de l’hémoglobine et le pourcentage de saturation en oxygène), huit neurones dans la couche cachée et un seul dans la couche de sortie correspondant à l’absorption. L’algorithme d’apprentissage (BFGS) à été appliqué. La fonction de Transfer (tanh) et (exp) sont utilisés respectivement pour la couche cachée et la couche de sortie. 70%, 15% et 15% de l’ensemble des données ont été utilisés respectivement pour l’apprentissage, test et validation du modèle. Les valeurs de l’absorption prédite ont été comparées aux valeurs de l’absorption mesurées et de bonnes corrélation ont été trouvé (0,981977 ; 0,991870 ; 0,978031) pour l’apprentissage, test et validation. Ces résultats montrent que le modèle proposé est capable de prédire avec précision le coefficient d’absorption du sang.