ty -jour a2 -mohafez，hamidreza au -juneja，sapna au -juneja，abhinav au -dhiman -dhiman，gaurav au -behl，sanchit au -kautish，kautish，kautish，sandeep py -sandeep py -2021 da -2021/09/21 ti -and ti -and ti -and ti -and droac -anddrocic anddrocic anddrome syndrome synder androme统计与卷积神经网络的分类SP -3900254 VL -2021 AB-我们的生活以及我们在计算技术方面的进步都有显着的变化以及我们对世界的看法。医疗保健部门正在随着最新计算机驱动技术的干预而发展，并在各种疾病的诊断和治疗方面做出了显着改变。由于许多管理因素在内，包括空气污染，胸部相关疾病的迅速增加，此类患者的数量正在以惊人的速度增加。在这项研究工作中，我们采用了机器学习方法，用于在开放的胸部X射线数据集上使用卷积神经网络（CNN）检测各种与胸部有关的问题。该方法比传统的图像分割方法具有优势，包括阈值， k - 表示聚类和边缘检测。CNN无法瞬间扫描和处理整个图像；它需要递归扫描小像素点，直到扫描整个图像。空间转换层和VGG19已用于特征提取目的，并且由于其固有的低复杂性和高计算效率而采用了Relu激活函数。最后，随机梯度下降已被用作优化器。当前方法的主要优点是它保留图像的基本特征以进行预测，并结合了相当大的尺寸降低。该模型从精确方面对现有研究进行了重大改进， F - 评分和预测准确性。如果精确使用的话，该模型对于医疗保健从业人员可以在早期确定患者的胸腔或肺炎症状非常有效，从而指导从业者立即开始治疗，从而快速改善患者的健康状况。SN -1748-670X UR -https：//doi.org/10.1155/2021/3900254 do -10.1155/2021/3900254 JF-医学中的计算和数学方法