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

Les réseaux neuronaux convolutifs (CNN) et l'apprentissage automatique (ML) ont beaucoup évolué dans l'ère technologique moderne. Ils sont utilisés dans l'analyse et la prédiction de divers segments de la vie normale. Ils ont un plus grand avantage lorsqu'il s'agit de comprendre un processus, parfois même mieux qu'un cerveau humain. Le virus qui est généré sous le nom de COVID-19 est principalement causé lorsqu'une personne tousse, éternue ou expire et il est transmis sous forme de petite particule à d'autres corps et forme ces virus. L'une des principales astuces pour arrêter la propagation de ce covid-19 est la distanciation sociale et le test rapide. Ce test rapide prend 2 à 3 jours pour obtenir le résultat du covid-19. Cela peut perturber un grand nombre de personnes en termes d'argent et de temps. Par conséquent, avec l'avantage du CNN, nous avons conçu une méthode pour augmenter l'efficacité du processus de test. Les rayons X et les tomodensitogrammes montrent un avantage considérable dans la détection du COVID-19 chez une personne. Le COVID-19 affecte principalement les poumons, ce qui peut être détecté sur les radiographies sous la forme d'une superposition blanche. Nous avons construit un modèle qui pourrait identifier si la radiographie soumise est celle d'une personne normale ou d'une personne positive au COVID-19.