Predicción de COVID-19 mediante redes neuronales de convolución

Las redes neuronales convolucionales (CNN) y el aprendizaje automático (ML) han evolucionado mucho en la era tecnológica moderna. Se utilizan en el análisis y la predicción de diversos segmentos de la vida normal. Tienen una mayor ventaja a la hora de comprender un proceso, a veces incluso mejor que un cerebro humano. El Virus que se genera como COVID-19 se produce principalmente cuando una persona tose, estornuda o exhala y se transmite como una pequeña partícula a otros cuerpos y forman estos virus. Uno de los principales trucos para detener la propagación de este covid-19 es el distanciamiento social y las pruebas rápidas. Esta prueba rápida tardará de 2 a 3 días en obtener el resultado del covid-19. Esto puede molestar a una gran cantidad de personas en términos de dinero y tiempo. Por lo tanto, con la ventaja de la CNN, ideado un método para aumentar la eficiencia del proceso de prueba. Las radiografías y las tomografías computarizadas muestran una ventaja considerable en la detección de COVID-19 en una persona. COVID-19 afecta principalmente a los pulmones, que podrían captarse en las radiografías como una superposición blanca. Se ha construido un modelo que puede identificar si la radiografía presentada es de una persona normal o de una persona con COVID-19 positivo.