<?xml version="1.0" encoding="UTF-8"?>
<oaidc:dc xmlns:oaidc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:dcterms="http://purl.org/dc/terms/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:dc="http://purl.org/dc/elements/1.1/">
<dc:source xsi:type="dcterms:URI">http://www.sudoc.fr/240885465</dc:source>
<dc:language xsi:type="dcterms:ISO639-2">fr</dc:language>
<dc:coverage xsi:type="unistra:Coverage">FR</dc:coverage>
<dc:type xsi:type="unistra:Mention">Thèse d’exercice</dc:type>
<dc:title xsi:type="unistra:Titre" xml:lang="fre">Application de techniques d’apprentissage machine pour l’enregistrement automatique des cas incidents d’adénocarcinome de la prostate dans le registre des cancers du Bas-Rhin</dc:title>
<dc:publisher xsi:type="unistra:Composante">Faculté de médecine, maïeutique et sciences de la santé</dc:publisher>
<dc:date xsi:type="unistra:Date">2019-10-11</dc:date>
<dc:subject xml:langue="fre">Adénocarcinome Thèses et écrits académiques</dc:subject>
<dc:subject xml:langue="fre">617.6</dc:subject>
<dc:creator xsi:type="unistra:Auteur">Fabacher Thibaut</dc:creator>
<dc:subject xml:langue="fre">Prostate -- Cancer</dc:subject>
<dc:subject xml:langue="fre">Apprentissage</dc:subject>
<dc:subject xml:langue="fre">Registres</dc:subject>
<dc:contributor xsi:type="unistra:Directeur">Godet Julien</dc:contributor>
<dc:description xsi:type="unistra:Discipline" xml:langue="fre">Médecine. Santé publique. Médecine sociale</dc:description>
<dc:description xsi:type="unistra:Resume" xml:langue="fre">Résumé : ce travail cherche à évaluer la possibilité de recours aux techniques d’apprentissage automatique pour faciliter le travail d’enregistrement des cas incidents d’adénomes prostatiques dans un registre des cancers ainsi que pour l’extraction de données utiles. Nous avons utilisé les données de 2014 à 2016 du registre des cancers du Bas-Rhin sur lesquelles nous avons entraîné et utilisé des algorithmes de type machine à vecteur de support. Les algorithmes entraînés ont une performance satisfaisante avec une précision de 97 % pour la tâche d’enregistrement des cas incidents dans le registre. Ils permettent de simplifier et accélérer le travail des enquêteurs en les soulageant de tâches répétitives. Ces méthodes d’apprentissage automatique semblent donc intéressantes dans l’enregistrement automatisé des cas incidents de cancer au sein d’un registre.</dc:description>
<dc:type xsi:type="unistra:Mention">Médecine</dc:type>
<dc:rights xsi:type="unistra:Droits">Accès réservé aux membres de l'Université de Strasbourg sur authentification</dc:rights>
<dc:identifier xsi:type="dcterms:URI">https://publication-theses.unistra.fr/restreint/theses_exercice/MED/2019/2019_FABACHER_Thibaut.pdf</dc:identifier>
<dc:type xsi:type="unistra:TheseExercice">These d'exercice Unistra</dc:type>
</oaidc:dc>
