تَفَشَّى فيروس كورونا الجديد، المعروف بفيروس نفَس حاد شديد الانتشار (SARS-CoV-2)، في جميع أنحاء العالم، مما أدى إلى تحوّل جذري في الظروف، وانتشر كوباء عالمي كبير، أثّر بشكل كبير على الرفاهية والاستقرار العالمي. وهو فيروس RNA يمكنه العدوى بالبشر والحيوانات على حد سواء. وتشير الأبحاث إلى أن الكشف المبكر عن هذا الفيروس يمكن أن يساعد في السيطرة على تفشي المرض ومنع حدوث تفشي خطير لمرض كوفيد-19. ومع ذلك، فإن التقنيات الصيدلانية والأساليب التشخيصية الحالية، مثل اختبارات التفاعل المتسلسل للبوليميراز المعكوس (RT-PCR) واختبارات السيرولوجيا، تتسم بالطويلة في الوقت، والتكاليف العالية، وتحتاج إلى مختبرات مجهزة جيدًا للتحليل، مما يجعلها محدودة الوصول وغير متاحة للجميع. في السنوات الأخيرة، ازداد استخدام التعلم العميق (Deep Learning)، واصبح يلعب دورًا حاسمًا في تصنيف الصور، بما في ذلك التصوير الطبي. ويستعرض هذا البحث مشكلة تلقائية التمييز بين الأشخاص المصابين بفيروس كوفيد-19 والأشخاص الأصحاء باستخدام صور التصوير المقطعي للصدر (CT). إذ يمكن تدريب الشبكات العصبية التلافيفية (CNNs) على اكتشاف الأنماط في صور التصوير المقطعي (CT). ولهذا الغرض، تم استخدام نماذج مختلفة من الشبكات العصبية التلافيفية في هذه الدراسة للكشف عن الفروقات في صور التصوير المقطعي للصدر، حيث بلغت دقة التصنيف بين 91% و98%. وتم استخدام طريقة التصنيف متعدد الفئات (Multi-class Classification) لبناء هذه الهياكل. كما يقترح البحث نهجًا جديدًا لتصنيف صور التصوير المقطعي، يعتمد على دمج نوعين من التصنيفات الثنائية (Binary Classifications) للعمل معًا، ما أسفر عن دقة وصلت إلى 98.38%. وتمت مقارنة أداء جميع هذه الهياكل باستخدام مجموعة من مقاييس التصنيف المختلفة.