Résumé:
La maladie de Parkinson (MP) est une maladie chronique et dégénérative qui affecte
principalement le système nerveux central, en particulier les régions du cerveau impliquées
dans le contrôle du mouvement et de l'équilibre, provoquant des symptômes tels que des
tremblements, une rigidité musculaire, des mouvements lents et des difficultés à marcher.
Le diagnostic précoce de cette maladie (MP) est difficile en raison du développement
progressif des symptômes, ce qui rend difficile l'identification de la maladie à un stade
précoce. Les techniques d'apprentissage automatique, comme les réseaux de neurones
artificiels (RNA), sont capables d'apprendre des schémas complexes dans les données
d'entrée et de prédire des résultats avec une précision élevée.
Dans le cadre de cette étude, nous présentons une approche hybride où nous combinons les
réseaux de neurones artificiels avec l'algorithme d'optimisation de Baleine (WOA) pour
développer un modèle robuste et précis visant à prédire l'apparition de la MP. Grâce à cette
approche hybride, notre objectif est de renforcer la précision du diagnostic de la MP et
d'améliorer la gestion des symptômes chez les patients atteints de cette maladie.
