코로나19 (COVID-19) 감염 바이러스에 대한 준-정적 상태에서 사람 머리의 반사적인 미세운동 의존성에 대한 가설을 논한다. COVID-19, 다양한 질병 및 병리학에 대한 전정-감정 반사 매개변수의 의존도를 결정하는 방법이 제안된다. 대조군 대표자(COVID-19 질병이 없는 것으로 확인됨)와 COVID-19 확진된 환자군의 머리 미세운동을 바이브라이미지 기술을 사용하여 연구되었다. 대조군과 환자군에서 인공지능(AI) 학습을 위한 COVID-19 진단 매개변수와 기준이 제시되며, AI 학습을 위해 3단(숨겨진 1단) 피드포워드 신경망(40+20+1 sigmoid neuron)이 개발됐다. AI는 우선 환자와 대조군의 1차 샘플로 학습되었다. 3계층(숨겨진 1개 계층)피드포워드 신경망(40+20+1 s자형 뉴런)이 AI 학습을 위해 개발됐다. AI는 우선 환자군과 대조군의 1차 샘플에 대한 교육을 받았다. 학습된 AI에 의한 환자의 무작위 표본에 대한 연구가 실시되었고, 제안된 방법을 이용한 COVID-19 검출 가능성이 질병의 임상 증상 시작 일주일 전에 증명되었다. COVID-19 진단 매개변수는 26개로 늘렸고 AI는 522명의 측정, 즉, 261명의 환자군 측정 결과, 261명의 대조군 측정결과를 샘플로 학습되었다. 달성된 진단 정확도는 99% 이상이었다. 522명 당 4건 오류(거짓 양성 2건, 거짓 음성 2건)와 특이성 99.23%와 민감도 99.23%로 나타났다. COVID-19 진단에 대해 제안된 방법의 정확성과 신뢰성을 향상시키는 문제를 논의한다. COVID-19의 제안된 진단방법과 자가진단 방법의 특성과 적용성을 개선하기 위한 추가적인 방법이 서술된다.

키워드: 바이브라이미지, 건강, 인공신경망, ANN, 인공지능, AI, 전정-감정 반사, 질병 진단, 원격의료, COVID-19