Please use this identifier to cite or link to this item:
https://dspace.univ-ouargla.dz/jspui/handle/123456789/29172
Title: | COVID-19 Diagnosis Using Deep Learning |
Authors: | CHERIF, Fella BENCHABANE, Abderrazak BELBEY, Lokmane Haider FARSI, Nasreddine |
Keywords: | COVID-19, Deep Learning, Image classification Convolutional neural networks |
Issue Date: | 2021 |
Publisher: | University of Kasdi Merbah, Ouargla |
Abstract: | COVID-19 is an infectious disease caused by a new virus that has not been previously identified, the
disease causes respiratory illness with symptoms such as cough, fever, and in more severe cases, breathing
Failure. Even though this virus first started in Wuhan, China in December 2019, more than 174 million of
people around the world have been infected and more than 3.75 million of peoples have already died.
The main purpose of this study is getting an accurate and faster detection of COVID-19 patients deep
learning-based radiology image analysis method that could provide very satisfying testing accuracy up to
100%.
We apply deep learning method to classify X-ray Images of coronavirus (COVID-19) and due to scarcity of
publicly available COVID-19 X-ray samples, we have trained our model with an Available worldwide
database.
The contents of this Thesis are organized as the following.
Chapter 01 Gives the reader a brief about COVID-19 and Diagnosis methods from Lab tests to Medical
Imaging, Chapter 02 discusses the proposed method and the models used in the implementation.
The experimental setup is discussed in chapter 03 with detailed analysis on results, and conclusions
respectively. COVID-19 est une maladie infectieuse causée par un nouveau virus qui n'a pas été identifié auparavant, la maladie provoque des problèmes respiratoires avec des symptômes tels que la toux, la fièvre et, dans les cas plus graves, une insuffisance respiratoire. Même si ce virus a commencé à Wuhan, en Chine, décembre 2019, plus de 174 millions de personnes dans le monde ont été infectées et plus de 3,75 millions de personnes sont déjà décédées, L'objectif principal de cette étude est d'obtenir une détection précise et plus rapide de la méthode d'analyse d'images radiologiques basée sur l'apprentissage profond des patients COVID-19 qui pourrait fournir une précision de test très satisfaisante jusqu’à 100%. Nous appliquons une méthode d'apprentissage en profondeur pour classer les images radiographiques de la pneumonie (COVID-19) et en raison de la rareté des échantillons de rayons X COVID-19 accessibles au public, nous avons formé notre modèle avec une base de données Disponible dans le monde entier. Le contenu de cette thèse est organisé comme suit : Chapitre 01 Donne au lecteur un bref aperçu des méthodes COVID-19 et Dignosis, des tests de laboratoire à l'imagerie médicale, Le chapitre 02 traite de la méthode proposée et des modèles utilisés dans la mise en oeuvre. Le montage expérimental est discuté dans le chapitre 03 avec une discussion détaillée sur les résultats et les conclusions respectivement. |
Description: | Electronic of Embedded Systems |
URI: | http://dspace.univ-ouargla.dz/jspui/handle/123456789/29172 |
Appears in Collections: | Département d'Electronique et des Télécommunications - Master |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
COVID-19 Diagnosis Using Deep Learning.pdf | Electronic of Embedded Systems | 2,82 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.