CADRE BASÉ SUR LE CLOUD POUR LE TRAITEMENT DES DONNÉES SUR LE DIABÈTE

Avec la croissance exponentielle des données provenant de divers réseaux sociaux tels que Facebook, Twitter, des applications mobiles, des appareils photo numériques, des réseaux de capteurs, etc. et également des recherches biomédicales, le volume global des données a considérablement augmenté. L'analyse et l'extraction d'informations fructueuses à partir de ces données dynamiques constituent aujourd'hui un véritable défi. L'exploration de données joue un rôle essentiel dans le traitement des données volumineuses pour analyser la reconnaissance des formes et les prédictions médicales. Nous pouvons extraire des données à l'aide de divers algorithmes et techniques tels que la classification, le regroupement, la régression, les règles d'association, etc. Ces modèles peuvent être utilisés pour une prise de décision clinique rapide et meilleure en matière de médecine préventive et suggestive. Ces modèles peuvent être utilisés pour une prise de décision clinique plus rapide et plus efficace en matière de médecine préventive et suggestive. Il met en oeuvre une technique efficace d'exploration de données appelée algorithme Frequent Pattern-Growth (FP-Growth) pour analyser l'ensemble des données sur le diabète recueillies auprès de différents patients et générer des résultats de prédiction utiles. Les fichiers stockés dans le nuage peuvent être consultés à tout moment et en tout lieu, à condition d'avoir un accès à Internet. Le cloud stocke donc les ensembles de données sur le diabète et génère des résultats de prédiction utiles à l'aide de l'algorithme FP-Growth.