基于神经网络的冠状病毒（Covid-19）检测、预测及天气影响分析
图像与视频处理
2021-04-07 v1 计算机视觉与模式识别
机器学习
摘要
由于新型冠状病毒（COVID-19）引起的灾难性大流行，世界正面临严峻局势。受该病毒感染的人数与日俱增，总数已突破 640 万。由于尚未发现疫苗，早期检测患者并隔离是减少病毒传播唯一且最有效的方式。利用深度神经网络从胸部 X 光片中检测感染者，可作为一种节省时间和人力的解决方案。在本研究中，我们尝试通过对 Covid-19、肺炎和正常胸部 X 光片进行分类来检测 Covid-19。我们使用了五种不同的卷积预训练神经网络模型（VGG16、VGG19、Xception、InceptionV3 和 Resnet50）并比较了它们的性能。VGG16 和 VGG19 在分类中表现出精确的性能。两种模型均能以超过 92% 的准确率对三类 X 光片进行分类。我们研究的另一部分是利用决策树回归器寻找天气因素（温度、湿度、日照时数和风速）对该大流行的影响。我们发现温度、湿度和日照时数共同对 Covid-19 的升级有 85.88% 的影响，对 Covid-19 致死有 91.89% 的影响，其中湿度对死亡有 8.09% 的影响。我们还尝试使用 LogisticRegression 基于年龄、性别、国家和地点预测个体因 COVID-19 死亡的概率，该模型预测个体死亡的准确率为 94.40%。
引用
@article{arxiv.2104.02173,
title = {Insight about Detection, Prediction and Weather Impact of Coronavirus (Covid-19) using Neural Network},
author = {A K M Bahalul Haque and Tahmid Hasan Pranto and Abdulla All Noman and Atik Mahmood},
journal= {arXiv preprint arXiv:2104.02173},
year = {2021}
}
备注
15 Pages, 13 Figures and 4 Tables