Modélisation du coefficient de diffusion du sang par les réseaux de neurones artificiels

Abstract

La connaissance des propriétés optiques du sang a bénéficié de comprendre la physiologie et les maladies du système circulatoire ainsi que pour développer des outils de diagnostic et de surveillance dans le domaine médical lequel le coefficient de diffusion. Le coefficient de diffusion du sang humain désigne la mesure dans laquelle la lumière est diffusée par le sang lorsqu'elle interagit avec lui. Il s'agit d'une mesure de la capacité du sang à diffuser la lumière, qui dépend de facteurs tels que le nombre et la taille des globules rouges. La modélisation de cette propriété est le but de ce travail. Elle a été faite en fonction de la longueur d’onde, le pourcentage de saturation en oxygène, d’hématocrite et le taux de cisaillement par les réseaux de neurones artificiels RNA. Le modèle est de type PMC-RNA structuré par 3 couches : la première couche appelée couche d’entrée constituée de quatre neurones concordant à quatre paramètres d’entrés (longueur d’onde, le pourcentage de saturation en oxygène, hématocrite, taux de cisaillement), deuxième couche est la couche cachée constituée de 15 neurones avec une fonction de transfert (Tanh) et la troisième couche est la couche de sortie d’un seul neurone avec fonction (Tanh) comme fonction de transfert. (BFGS) a été appliqué comme algorithme d’apprentissage. Les facteurs de corrélation obtenus dans cette étude sont (0.973127, 0.975328, 0.975799) dans la division 70%-15%- 15% pour l’apprentissage, test et validation respectivement. Ces résultats démontrent que le modèle a été choisi est capable de prédire le coefficient de diffusion du sang.