Prédiction du COVID-19 à l'aide d'un réseau neuronal à convolution

Les r廥eaux neuronaux convolutifs (CNN) et l'apprentissage automatique (ML) ont beaucoup 憝olu?dans l'鋨e technologique moderne. Ils sont utilis廥 dans l'analyse et la pr嶮iction de divers segments de la vie normale. Ils ont un plus grand avantage lorsqu'il s'agit de comprendre un processus, parfois m瘱e mieux qu'un cerveau humain. Le virus qui est g幯廨?sous le nom de COVID-19 est principalement caus?lorsqu'une personne tousse, 彋ernue ou expire et il est transmis sous forme de petite particule ?d'autres corps et forme ces virus. L'une des principales astuces pour arr皻er la propagation de ce covid-19 est la distanciation sociale et le test rapide. Ce test rapide prend 2 ?3 jours pour obtenir le r廥ultat du covid-19. Cela peut perturber un grand nombre de personnes en termes d'argent et de temps. Par cons廦uent, avec l'avantage du CNN, nous avons con蓰 une m彋hode pour augmenter l'efficacit?du processus de test. Les rayons X et les tomodensitogrammes montrent un avantage consid廨able dans la d彋ection du COVID-19 chez une personne. Le COVID-19 affecte principalement les poumons, ce qui peut 皻re d彋ect?sur les radiographies sous la forme d'une superposition blanche. Nous avons construit un mod鋩e qui pourrait identifier si la radiographie soumise est celle d'une personne normale ou d'une personne positive au COVID-19.