COVID-19 image classification using deep features and fractional-order marine predators algorithm (Запись № 668323)
[ простой вид ]
| 000 -Маркер | |
|---|---|
| Поле контроля фиксированной длины | 03623nlm1a2200445 4500 |
| 005 - Идентификатор версии | |
| Поле контроля фиксированной длины | 20231030042144.0 |
| 035 ## - Другие системные номера | |
| Идентификатор записи | (RuTPU)RU\TPU\network\39548 |
| 035 ## - Другие системные номера | |
| Идентификатор записи | RU\TPU\network\39380 |
| 100 ## - Данные общей обработки | |
| Данные общей обработки | 20221004a2020 k y0engy50 ba |
| 101 0# - Язык ресурса | |
| Язык текста, звукозаписи и т.д. | английский |
| 135 ## - Поле кодированных данных: электронные ресурсы | |
| Кодированные данные для электронного ресурса | drcn ---uucaa |
| 181 #0 - Поле кодированных данных: вид содержания | |
| Код вида содержания | i |
| 182 #0 - Поле кодированных данных: средство доступа | |
| Код средства доступа | electronic |
| 200 1# - Заглавие и сведения об ответственности | |
| Основное заглавие | COVID-19 image classification using deep features and fractional-order marine predators algorithm |
| Первые сведения об ответственности | A. T. Sahlol, D. Yousri, A. A. Ewees [et al.] |
| 203 ## - Вид содержания и средство доступа | |
| Вид содержания | |
| Средство доступа | |
| 300 ## - Общие примечания | |
| Текст примечания | Title screen |
| 320 ## - Примечания о наличии в ресурсе библиографии/указателя | |
| Текст примечания | [References: 59 tit.] |
| 330 ## - Резюме или реферат | |
| Текст примечания | Currently, we witness the severe spread of the pandemic of the new Corona virus, COVID-19, which causes dangerous symptoms to humans and animals, its complications may lead to death. Although convolutional neural networks (CNNs) is considered the current state-of-the-art image classification technique, it needs massive computational cost for deployment and training. In this paper, we propose an improved hybrid classification approach for COVID-19 images by combining the strengths of CNNs (using a powerful architecture called Inception) to extract features and a swarm-based feature selection algorithm (Marine Predators Algorithm) to select the most relevant features. A combination of fractional-order and marine predators algorithm (FO-MPA) is considered an integration among a robust tool in mathematics named fractional-order calculus (FO). The proposed approach was evaluated on two public COVID-19 X-ray datasets which achieves both high performance and reduction of computational complexity. The two datasets consist of X-ray COVID-19 images by international Cardiothoracic radiologist, researchers and others published on Kaggle. The proposed approach selected successfully 130 and 86 out of 51 K features extracted by inception from dataset 1 and dataset 2, while improving classification accuracy at the same time. The results are the best achieved on these datasets when compared to a set of recent feature selection algorithms. By achieving 98.7%, 98.2% and 99.6%, 99% of classification accuracy and F-Score for dataset 1 and dataset 2, respectively, the proposed approach outperforms several CNNs and all recent works on COVID-19 images. |
| 461 ## - Уровень набора | |
| Заглавие | Scientific Reports |
| 463 ## - Уровень физической единицы | |
| Заглавие | Vol. 10, iss. 1 |
| Обозначение тома | [15364, 10 p.] |
| Дата публикации | 2020 |
| 610 1# - Неконтролируемые предметные термины | |
| Предметный термин | электронный ресурс |
| 610 1# - Неконтролируемые предметные термины | |
| Предметный термин | труды учёных ТПУ |
| 610 1# - Неконтролируемые предметные термины | |
| Предметный термин | computational models |
| 610 1# - Неконтролируемые предметные термины | |
| Предметный термин | image processing |
| 610 1# - Неконтролируемые предметные термины | |
| Предметный термин | machine learning |
| 610 1# - Неконтролируемые предметные термины | |
| Предметный термин | вычислительные модели |
| 610 1# - Неконтролируемые предметные термины | |
| Предметный термин | обработка изображений |
| 610 1# - Неконтролируемые предметные термины | |
| Предметный термин | машинное обучение |
| 701 #1 - Имя лица – альтернативная ответственность | |
| Начальный элемент ввода | Sahlol |
| Часть имени, кроме начального элемента ввода | A. T. |
| Расширение инициалов личного имени | Ahmed |
| 701 #1 - Имя лица – альтернативная ответственность | |
| Начальный элемент ввода | Yousri |
| Часть имени, кроме начального элемента ввода | D. |
| Расширение инициалов личного имени | Dalia |
| 701 #1 - Имя лица – альтернативная ответственность | |
| Начальный элемент ввода | Ewees |
| Часть имени, кроме начального элемента ввода | A. A. |
| Расширение инициалов личного имени | Ahmed |
| 701 #1 - Имя лица – альтернативная ответственность | |
| Начальный элемент ввода | Al-qaness |
| Часть имени, кроме начального элемента ввода | M. A. A. |
| Расширение инициалов личного имени | Mohammed |
| 701 #1 - Имя лица – альтернативная ответственность | |
| Начальный элемент ввода | Damasevicius |
| Часть имени, кроме начального элемента ввода | R. |
| Расширение инициалов личного имени | Robertas |
| 701 #1 - Имя лица – альтернативная ответственность | |
| Начальный элемент ввода | Mokhamed Elsaed (Mohamed Abd Elaziz) |
| Часть имени, кроме начального элемента ввода | A. M. |
| Дополнения к именам, кроме дат | Specialist in the field of informatics and computer technology |
| -- | Professor of Tomsk Polytechnic University |
| Даты | 1987- |
| Расширение инициалов личного имени | Akhmed Mokhamed |
| -- | stltpush |
| Идентификатор авторитетной/ нормативной записи | (RuTPU)RU\TPU\pers\46943 |
| 712 02 - Наименование организации – вторичная ответственность | |
| Начальный элемент ввода | Национальный исследовательский Томский политехнический университет |
| Структурное подразделение | Инженерная школа информационных технологий и робототехники |
| -- | Отделение информационных технологий |
| -- | 7951 |
| -- | stltpush |
| Идентификатор авторитетной/ нормативной записи | (RuTPU)RU\TPU\col\23515 |
| 801 #2 - Источник записи | |
| Страна | RU |
| Организация | 63413507 |
| Дата составления | 20221004 |
| Правила каталогизации | RCR |
| 856 4# - Местонахождение электронных ресурсов и доступ к ним | |
| Универсальный идентификатор ресурса | https://doi.org/10.1038/s41598-020-71294-2 |
| 090 ## - System Control Numbers (Koha) | |
| Koha biblioitem number (autogenerated) | 668323 |
| 942 ## - Добавленные элементы ввода (Коха) | |
| Тип документа | Computer Files |
Нет доступных единиц.