Dépôt DSpace/Université Larbi Tébessi-Tébessa

DEEP LEARNING APPROCHE POUR IDENTIFIER/DETECTION COVID19 BASSE (IMAGES X-RAY)

Afficher la notice abrégée

dc.contributor.author Fatma Zohra, Boukhalfa
dc.date.accessioned 2021-11-23T14:12:08Z
dc.date.available 2021-11-23T14:12:08Z
dc.date.issued 2021
dc.identifier.uri http//localhost:8080/jspui/handle/123456789/659
dc.description.abstract Le coronavirus est actuellement une maladie contagieuse majeure dans le monde. Le coronavirus 2019 (COVID-19) a été signalé pour la première fois à Wuhan et plus tard dans de nombreuses régions du monde. Cette maladie a été enregistrée presque dans le monde entier et provoque de graves effets secondaires. L'industrie de la santé recherche avec impatience de nouvelles technologies intelligentes pour suivre et contrôler la croissance de l'épidémie de coronavirus dans cette crise sanitaire internationale. L'intelligence artificielle (IA) est l'une des plus grandes utilisations de la technologie mondiale à l'heure actuelle, qui permet de suivre et de détecter l'infection par la maladie Corona. Dans cette note, nous proposons un modèle pour la classification de la maladie corona, qui a été développé en utilisant le modèle de réseau neuronal de contournement et basé sur un ensemble de données locales pour l'état de Tebessa. Le modèle atteint une précision de prédiction de 89% dans l'ensemble de données de test. Le processus de diagnostic de la maladie de Covid sera plus rapide et plus intelligent et aidera à alléger le fardeau du personnel médical. en_US
dc.description.sponsorship Dr.Merzoug Soltan en_US
dc.language.iso fr en_US
dc.publisher Universite laarbi tebessi tebessa en_US
dc.subject : فيروس كوفيد-19 ;التعلم العميق; الشبكة العصبية االلتفافية; نظام تصنيف;الذكاء االصطناعي en_US
dc.title DEEP LEARNING APPROCHE POUR IDENTIFIER/DETECTION COVID19 BASSE (IMAGES X-RAY) en_US
dc.type Thesis en_US


Fichier(s) constituant ce document

Ce document figure dans la(les) collection(s) suivante(s)

Afficher la notice abrégée