#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

用于COVID19的CT扫描分类 Klasifikasi CT扫描untuk COVID-19 menggunakan卷积神经网络（CNN）

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

Jordan Micah Bennett， 软件工程师/创建者。 注意：上面的动画表示拖放版本，与本页上讨论的实例分开。 拖放版本版本与非拖放版本具有相同的功能，但拖放功能除外。 拖放版本可。 SMART-XRAY（+ CT）-SCAN_BASED-COVID19_VIRUS_DETECTOR 目的是开发一种快速方法来检测nCov 2019（冠状病毒2019/2020，也称为疾病：源于病毒的“ Covid-19”： ）菌株，并因此使用了人工神经网络开发符合最初目标的系统。 该项目于2020年1月29日在这里开始： 。 此X射线扫描版本（也是全球第一个已知的尝试/图像分析发布/基于人工智能的nCov / Covid19诊断代码）于年开始 由于这是旨在共同构建此类程序的首次尝试，因此请指向具有类似目标的开源软件包。 请发送电子邮件至 。 这也可以合理地允许经验不足的医务人员进行初

事件和热点观察专题研究系列：理解全球COVID19最新进展和潜在利率影响（2020）（16页）.pdf

Covid-Prediction

The COVID-CT-Dataset has 349 CT images containing clinical findings of COVID-19 from 216 patients.