Уважаемые коллеги, доброго времени суток! Представляем вам польское научное издание International Journal of Electrical and Electronic Engineering and Telecommunications. Журнал имеет четвёртый квартиль, издаётся в Warsaw University of Technology, его SJR за 2022 г. равен 0,195, электронный ISSN - 2319-2518, предметные области - Контрольно-измерительные приборы, Электротехническая и электронная промышленность, Компьютерные сети и коммуникации. Вот так выглядит обложка:
Редактором является Менг Ё Ер, контактные данные - mjer@dlmu.edu.cn, ijeetc@ejournal.net.
Это рецензируемый международный научный журнал, выходящий ежеквартально и посвященный теориям, системам, методам, алгоритмам и приложениям в электротехнике, электронной технике и телекоммуникациях. Он является высококлассным, передовым форумом для академических исследователей, промышленных специалистов, инженеров, консультантов, менеджеров, преподавателей и политиков, работающих в данной области, чтобы вносить свой вклад и распространять новые инновационные разработки в области электротехники, электроники и телекоммуникаций. Все статьи будут проходить слепое рецензирование, а принятые статьи будут публиковаться ежеквартально, которые доступны онлайн (открытый доступ) и в печатной версии.
Адрес издания - http://www.ijeetc.com/
Пример статьи, название - Detection of SARS-COVID-19 Based on CT Images Using Deep Learning-Based Hybrid Particle Swarm and Mayfly Optimization Algorithm. Заголовок (Abstract) - More than 25 million people worldwide have contracted COVID-19 due to the SARS-COV-2 disease. Screening many suspected cases for quarantine and treatment is crucial to controlling the disease. Pathogenic laboratory testing is the gold standard but has a high false-negative rate, making alternate diagnostic procedures necessary to fight the disease. Based on COVID-19 radiographic changes in Computed Tomography (CT) scans, this research hypothesized that artificial intelligence (AI) approaches may extract particular graphical features and offer a clinical diagnosis before the pathogenic test, saving time for disease management. 1065 CT images of pathogen-confirmed COVID-19 and typical viral pneumonia patients were obtained. To develop the method, we proposed Deep Learning (DL)-based hybrid Particle Swarm Optimization and Mayfly Optimization (PSO-MFO) algorithm. PSO-MFO as a classifier to detect SARS-COVID-19. Internal validation yielded accuracy, specificity, and sensitivity. The external testing dataset has accuracy, specificity, and sensitivity. These findings show that AI can extract radiological features for COVID-19 diagnosis.
