COVID-ResNet-使用深度卷积神经网络通过胸部X射线/ CT扫描诊断COVID-19 我不是医学专家，也不了解COVID-19。 请不要将此模型用于可用于构建参考的其他内容。 这绝不是生产就绪的解决方案。 受启发 COVID-Net的设计激起了我的好奇心，因为没有使用二进制分类，但是将图像分为三类。 如果将肺炎分类为正常，而不是将其分为“正常”，“肺炎”和“ COVID-19”三类，则应该有可能获得较高的准确性。 在尝试了不同的体系结构后，ResNet-18被认为是最有效的。 此存储

COVID-CT19-挑战 这是将每个CT图像分类为阳性COVID-19（图像具有COVID-19的临床表现）或阴性COVID-19（图像不具有COVID-19的临床表现）的示例。 先决条件 需要以下依赖项： numpy的> = 1.11.1 opencv-python> = 3.3.0 tensorflow-gpu == 1.8.0 熊猫> = 0.20.1 scikit学习> = 0.17.1 下位数据集 您可以从此处下载数据集 此预印本中描述了数据集详细信

冠状动脉CT 该数据集的实用性已由中国武汉同济医院的一名高级放射科医生确认，他在1月至4月的疾病暴发期间对大量COVID-19患者进行了诊断和治疗。 发布此数据集后，我们收到了一些反馈，表达了对该数据集可用性的担忧。 主要问题概述如下。 首先，将原始CT图像放入纸张中后，这些图像的质量会下降，这可能会使诊断决策的准确性降低。 质量下降包括：损失了Hounsfield单位（HU）值； 每个像素的位数减少； 图像的分辨率降低。 其次，原始的CT扫描包含一系列CT切片，但是当放入论文中时，只选择了几