Previsione di COVID-19 con la rete neurale a convoluzione

Le reti neurali convoluzionali (CNN) e l'apprendimento automatico (ML) si sono evoluti molto nell'era tecnologica moderna. Vengono utilizzate per l'analisi e la previsione di vari segmenti della vita normale. Hanno un vantaggio maggiore quando si tratta di comprendere un processo, a volte anche meglio di un cervello umano. Il virus che viene generato come COVID-19 è causato principalmente quando una persona tossisce, starnutisce o espira e viene trasmesso come una piccola particella ad altri corpi e forma questi virus. Uno dei principali trucchi per fermare la diffusione di questo covide-19 è la distanza sociale e il test rapido. Questo test rapido richiede 2-3 giorni di tempo per ottenere il risultato del covid-19. Questo potrebbe mettere in difficoltà un gran numero di persone in termini di denaro e tempo. Pertanto, con il vantaggio della CNN, è stato ideato un metodo per aumentare l'efficienza del processo di analisi. Le radiografie e le scansioni TC mostrano un notevole vantaggio nel rilevare la COVID-19 in una persona. La COVID-19 colpisce soprattutto i polmoni, che possono essere rilevati nelle radiografie come una sovrapposizione bianca. Abbiamo costruito un modello in grado di identificare se la radiografia presentata è di una persona normale o di una persona COVID-19 positiva.

Dr. Prathibhavani P M arbeitet derzeit als Assistenzprofessorin in der Abteilung für CSE, UVCE, K R Circle, Bengaluru, Bangalore University. Sie erwarb ihren Doktortitel in CSE an der VTU. Sie hat mehr als 13 Jahre Lehrerfahrung. Sie hat mehr als 22 Fachartikel im Bereich dem Bereich WSN veröffentlicht. Sie ist Mitglied auf Lebenszeit bei IAENG und ISTE.