Preprocessing COVID-19 radiographic images by evolutionary column subset selection

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F21%3A10246917" target="_blank" >RIV/61989100:27240/21:10246917 - isvavai.cz</a>

Výsledek na webu

<a href="https://link.springer.com/chapter/10.1007%2F978-3-030-57796-4_41" target="_blank" >https://link.springer.com/chapter/10.1007%2F978-3-030-57796-4_41</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-030-57796-4_41" target="_blank" >10.1007/978-3-030-57796-4_41</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Preprocessing COVID-19 radiographic images by evolutionary column subset selection

Popis výsledku v původním jazyce

Column subset selection is a hard combinatorial optimization problem with applications in operations research, data analysis, and machine learning. It involves the search for fixed-length subsets of columns from large data matrices and can be used for low-rank approximation of high-dimensional data. It can be also used to preprocess data for image classification. In this work, we study column subset selection in the context of radiography image analysis and concentrate on the detection of COVID-19 from chest X-ray imagery. (C) Springer Nature Switzerland AG 2021.

Název v anglickém jazyce

Preprocessing COVID-19 radiographic images by evolutionary column subset selection

Popis výsledku anglicky

Column subset selection is a hard combinatorial optimization problem with applications in operations research, data analysis, and machine learning. It involves the search for fixed-length subsets of columns from large data matrices and can be used for low-rank approximation of high-dimensional data. It can be also used to preprocess data for image classification. In this work, we study column subset selection in the context of radiography image analysis and concentrate on the detection of COVID-19 from chest X-ray imagery. (C) Springer Nature Switzerland AG 2021.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/LTAIN19176" target="_blank" >LTAIN19176: Metaheuristický rámec pro vícecílové kombinatorické optimalizační problémy (META MO-COP)</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2021

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Advances in Intelligent Systems and Computing. Volume 1263

ISBN

978-3-030-57795-7

ISSN

2194-5357

e-ISSN

2194-5365

Počet stran výsledku

12

Strana od-do

425-436

Název nakladatele

Springer

Místo vydání

Cham

Místo konání akce

Victoria

Datum konání akce

31. 8. 2020

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—