:medical_symbol:‍:medical_symbol: COVID-19侦探AI 基于深度CNN的AI应用程序，可使用胸部X射线进行COVID诊断 :information: 为了进行部署，此存储库是先前迭代的Flask版本，您可以在此处参考 现场演示： 科技栈 PyTorch（DL模型） OpenCV 烧瓶（后端） Gunicorn服务器 Heroku（PaaS） 模型训练 我在此添加了有关训练和推理模型的详细说明。 在此仓库中，我将仅具有构建前端和部署的说明。 操作说明 要在本地运行， 使用git clone克隆此存储库。 在项目目录中打开一个终端。 使用pip install -r requirements.txt安装依赖项 运行python app.py以在localhost:5000上打开该应用程序。 在Heroku上部署 在heroku中进行部署有点麻烦，涉及许多错误修复。 希望我能指导您。 由于我在应用程序中使用了PyTorc

2021年3月16日更新，美国东部标准时间2:20 美国COVID-19数据 [（ ）| ] 我们 报告总数 3月15日 7天平均值 案例 29,518,746 57,083 55,153 死亡人数 535,227 751 1,394 []

COVID风险预测 使用朴素贝叶斯和决策树算法进行COVID-19风险预测

20例COVID-19患者的CT扫描和专家分割 metadata.csv COVID-19 CT scans_datasets.txt COVID-19 CT scans_datasets.zip

#StayHome #WithMe How Do YouTubers Help with COVID-19 Loneliness.pdf

SummerSchoolCovidAPI 该项目是每周一部分，在11月至2月的暑假期间，immedia为学生提供了在我们位于德班Umhlanga的商业工作室中获得真实经验的机会。 导师： 问题陈述 COVID-19是一种在人与人之间传播的疾病，主要是当被感染的人与另一个人密切接触时。 在南非内部，政府是目前拥有有关感染个人和处于最高风险的热点的所有信息和统计信息的政府。 因此，如果您周围有许多感染者，那么您患上Covid的风险就很高。 因此，被许多受感染的个体包围或在热点地区旅行会使人感染该病毒的风险更高。 如果在您所在地区或您的家庭中有新感染的人时，以及您是否与某个亲密的人保持密切联系，如果有一种更简单的方式让家人和朋友相互更新并相互通知，这将是有益的。已测试过positivd。 可以使用诸如WhatsApp之类的消息传递应用程序，但并非为解决此问题而设计的，它是如此有限。例如，

covidseir：贝叶斯SEIR模型来估计社交距离对COVID-19的影响

Covid预后 该存储库包含用于复制以下论文的代码： 我们还提供了MoCo预培训过程中的模型，供有兴趣根据自己的数据进行微调的小组使用。 在使用此代码或预先训练的模型之前，请查阅。 安装 首先，按照安装PyTorch。 然后，导航到CovidPrognosis根目录并运行 pip install -e . 之后，您应该可以在cp_examples运行示例。 用法 对于预训练，您需要下载或数据集。 下载数据后，将路径添加到configs/data.yaml ，并且应将其用作默认路径。 cp_examples目录包含三个子目录，分别对应于本文中的培训阶段： moco_pretrain ：动量对比度（MoCo）预训练（例如，使用MIMIC，CheXpert或同时使用两者） sip_finetune ：对单图像预测任务（即，单图像不良事件预测或氧气需求预测）的sip_finetune模型进行微调 mip_finetune ：针对多图像预测任务的mip_finetune模型的微调 我们的代码建立在框架之上。 为公共X射线数据集设置了MoCo预训练和SIP微调的示例脚本-由于考

世界疫情自动报告系统源代码，RMD文档，利用R语言自动分析世界疫情数据，生成HTML报告，自动写说明、自动成图

Covid-Prediction