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息： 如果您发现此数据集和代码有用，请引用： @article {zhao2020COVID-CT-Dataset，title = {COVID-CT-Dataset：有关COVID-19的CT扫描数据集}}，作者= {Zhao，Jinyu and Zhang，Yichen and He，Xuehai and Xie，Pengtao}，journal = {arXiv预印本arXiv：2003.13865}，年份= {2020}} 如何使用 1，预处理 将源数据分为训练数据，验证数据，测试数据。 增强训练数据 将所

JLU健康记者 为吉林大学本科生每日健康打卡放置的自动机器人，支持自动提交各类网上办事大厅事务表单。 众所周知，低频对于次事件应使用中断而非轮询更不是心跳。作者相信，如果学生能在出现健康问题时主动汇报，则强制按时打卡只增加不产生价值的重复劳动，本程序的创作动机系解放生产力。 以WTFPL授权开源，爱干嘛用干嘛用。 免责声明 本自动程序为个人使用开发，适用于吉林大学分类网上办事大厅事务表格的自动提交，已充分测试，不保证正常工作，不建议没有调试能力的人使用。 本程序以你所见到的样子呈现给你，不附带任何明示或暗示的担保，包括但不遵守对功能合法性或对特定用途适用性的保证。在运行之前，你有责任理解其源代码的工作原理，并确认这是你想要执行的，本程序进行的操作都应被视为你本人进行，或由你授权代你进行的操作。在任何情况下，本程序作者与你决定运行本程序无关，不为您运行此程序所造成的任何损失，遭受的损坏以及造成的法律后果等负任何责任。 使用说明 需要Python 3.7+和requests库。 运行之前先登录平台提交一次打卡，确保正确信息正确。 参照example-config.json建立配置文件con

城市之间有各种交通工具（汽车、火车和飞机）相连，有些城市之间无法直达，需要途径中转城市。某旅客于某一时刻向系统提出旅行要求。考虑在当前COVID-19疫情环境下，各个城市的风险程度不一样，分为低风险、中风险和高风险三种。系统根据风险评估，为该旅客设计一条符合旅行策略的旅行线路并输出；系统能查询当前时刻旅客所处的地点和状态（停留城市/所在交通工具），具体旅行策略见后。…… 注意用Qt打开工程文件.pro。如果想自己编译生成的话，“程序文件”里有文件夹“musicsrc”里面有音频资源。

国内疫情数据包含所有城市，时间范围为1月末到4月末，日本疫情数据包含3月末到4月末,方便对疫情感兴趣的人员参考

time_series_covid19_deaths_global.csv

使用Arduino和MLX90615的简单，功能丰富的智能非接触式温度计。 可以拍照并将扫描数据共享为Excel文件

SQLZOO 9+ COVID 19

X射线图像中COVID-19的检测

Covid-19_Detection_Using_Chest_X-Ray_Images 项目链接-https: 通过胸部X射线图像诊断COVID疾病的深度学习项目。 这是Flask Web GUI的一些屏幕截图。 在该项目中，DenseNet121体系结构用于图像分类，并实现了99％的准确度。 这是模型分类报告和混淆矩阵

此数据集包含自2020年1月报告第一例以来，​​已报告给多伦多公共卫生并由其管理的所有确诊和可能病例的人口统计，地理信息和严重性信息。其中包括零星（社区中发生）和暴发性疫情的病例，联系。数据是从省级传染病报告系统（iPHIS）和多伦多的定制COVID-19病例管理系统（CORES）中提取的，并结合起来进行报告。 COVID19 cases Toronto.csv