Chapitre 4 : Conception du système SADMseins
4.6. Maintenance de réseau bayésien
Définition :
Maintenir un réseau bayésien revient à définir des variables supplémentaires notées comme des actions de maintenances pour une mise à jour du modèle graphique ou on pourrait les ajoutés ou supprimés et modifiés leurs valeurs. Ces variables sont toutes des variables d’entrée. En effet nous considérons que ces variables susceptibles d’agir sur les variables du modèle, mais que l’inverse n’est pas possible. De plus, comme c’est le cas dans notre étude, les actions de maintenance influent sur les paramètres de sortie, mais également sur une variable spécifique choisit par les experts du domaine qui est le cancer des seins.
L’établissement d’un réseau bayésien se heurte à la multiplicité des probabilités à priori et surtout les probabilités conditionnelles à renseigner par les experts il suffit de quelques variables comportant de nombreux liens pour rendre cette tache indispensable, et réalisable [COR 03].
88
4.6.1. Maintenance de la structure réseau bayésien
Nous proposons la maintenance du réseau bayésien correspond au modèle illustré par la (Fig.4.2). Les actions de maintenance permettent de maintenir la base de données et peuvent être considérées comme des variables du modèle graphique.
En outre, le réseau bayésien est composé d'un ensemble de variables liées par des relations de dépendances entre elles. Ces variables se situent en amont des variables sur lesquelles elles agissent. Enfin, des probabilités conditionnelles doivent être également données par les experts.
Objectif :
Dans notre étude, l'objectif est de retenir des variables critiques efficaces afin de fournir des tâches de maintenance sur ces variables du modèle. Ces variables ont été choisies par les experts. Ensuite, les experts ont sélectionné des tâches de maintenance sur les variables et donc sur les composants choisis. Ces actions de maintenances peuvent être vues comme des variables du modèle graphique [REF 12].
Enfin, la probabilité conditionnelle doit être donnée par l'expert. L'un des objectifs consiste à repérer les politiques de maintenance pour augmenter la probabilité et prendre en compte le temps de réponse et la représentation de la base de données [COR 03].
La maintenance du réseau bayésien (Fig.4.13) prend en compte la collecte des actions données par l'expert du domaine, ainsi que le réseau initial. Cette phase vise à décider si nous intégrerons ou non les différentes connaissances véhiculées par les règles de maintenance.
Ainsi, la définition d'une nouvelle action dans notre modèle nécessitera l'opinion de cet expert. L’ensemble des actions ont été pensés pour faciliter leurs interprétations en vue d’une intégration au modèle (ajout, modification ou suppression) d’arcs ou de nœuds du graphe. Le cas échéant, il faut redéfinir les tables de probabilités impactées par les modifications, il est possible de s’appuyer sur les données et les règles de l’expert du domaine.
Fig.4. 13 Maintenance de la structure Expert de domaine (médecin) Un réseau bayésien maintenue Les événements externes (actions de maintenance)
89 L'interface de travail GeNIe comporte divers éléments comme la barre d'outils standards qui permet d'ajouter ou de supprimer des nœuds et des arcs, ce dernier facilite la tâche de maintenance pour les experts. À ce niveau, les actions de maintenance sont de type (entrée, intermédiaire).
Pour notre problème (des maladies des seins) nous présentons les facteurs de risque comme étant des actions de maintenance concernant la maladie « cancer du sein » [REF 11] graphiquement présentée dans le réseau bayésien ainsi leurs probabilités a priori sont conditionnelles, sachant qu’elles sont binaires et leurs types sont discrets, et qui sont comme suit : (A: désigner une action de maintenance).
• A1 : Obésité, avec probabilité P (A1).
• A2 : Prise de pilules, avec probabilité P(A2). • A3 : L’âge d’avoir des enfants P(A3).
• A4 : La consommation de tabac P(A4). • A5 : Exposition à des rayonnements ionisants • A6 : Une ménopause tardive.
• A7 : Une trop faible consommation de fruits et légumes.
Une action de maintenance peut concerner une ou plusieurs variables. Mais plusieurs actions de maintenance ne peuvent concerner la même variable. Autrement dit, nous traitons le cas de la présence d’une seule action de maintenance ou le cas de deux actions de maintenance agissant sur la variable jugée importante « cancer du sein ».
4.6.3. Intégration des actions de maintenance
Le choix d'intégrer les actions de maintenance est une phase très importante. Il rend le système de diagnostic plus flexible et donne une conception dynamique de notre graphique. Le schéma (Fig.4.14) ci-dessous décrit les étapes de diagnostic développées dans les paragraphes précédents avec la phase de maintenance qui est facultative et qui concerne l'expert du domaine.
90 -
Fig.4. 14 Description de l'architecture du système de diagnostic
Le réseau bayésien est présenté à la (Fig.4.15) avec les actions de maintenance. Une action de maintenance peut également influencer une ou plusieurs variables et non nécessairement des variables de même type (entrée, intermédiaire, sortie). Une variable peut également être influencée par une ou deux actions de maintenance. Cette dernière situation est rencontrée dans notre étude, Donc nous avons présenté, pour illustrer ce que nous avons étudié, un exemple avec deux paramètres d’ajout sur notre réseau bayésien résumé dans (Fig.4.15) et un exemple d’application, que nous allons voir dans le chapitre suivant leur influence sur la maladie concerné (le cancer des seins).
Une fois cette variable importante identifiée, l’aide à la décision prend part via l’intégration des actions de maintenance sur cette variable jugée importante. Pour cela nous considérons les taches de maintenance comme de nouveau nœuds de réseau bayésien apportés avec leur probabilité conditionnelle, une nouvelle inférence est faite avec la prise en compte des actions de maintenance. Les résultats apportent une augmentation de probabilité d’apparition de cancer des seins par rapport au résultat.
Expert Dossier s Médicaux Structure de réseau bayésien déduite par le médecin Apprentissage automatique par MV Distribution des tables de probabilités BDD Inférence par l’algorithme JLO Attributs biologiques Attributs cliniques Attributs d’imagerie médicale Choix de l'intégration de l'action de maintenance parles médecins
Diagnostic Recherche
91 Fig.4. 15 Diagramme général du système de modélisation avec deux actions de maintenance.
4.7. Conclusion
Au cours de ce chapitre nous avons fait une analyse du problème que nous avons spécifié dans le processus de diagnostic en mettant l’accent sur le formalisme des réseaux bayésiens. Puis nous avons présenté l’exploitation du modèle proposé pour l’aide au diagnostic des maladies les plus fréquentes des seins par l’outil bayésien GeNIe.
Nous avons détaillé la conception de chaque étape pour la réalisation d’un système d’aide au diagnostic par l’implémentation des deux partie qualitatif et quantitatif du réseau bayésien sous GeNIe ainsi, nous avons présenté l’algorithme choisi pour la tâche d’inférence qui combine ces deux parties par une démarche logique probabiliste.
En effet, chaque système informatique notamment les systèmes qui essayaient de simuler les raisonnements des médecins incertains nécessite en phase de fonctionnement d’être maintenu pour garantir la qualité, la performance, et la compétence de ce système. Donc, nous avons présenté la maintenance du réseau bayésien qui donne la possibilité d’intégré des actions de maintenance comme variable du modèle afin de remédier le problème de la mise en place d’un seul modèle de réseau bayésien.
92