对抗传染病是人类面临的最大挑战之一。传染病对人类生活构成严重威胁整个世界,也可以产生前所未有的影响在我们的日常生活和全球经济。计算智能技术和无处不在的计算模型也近年来吸引了大量的关注。研究人员已经投入了大量的时间和精力去分析疫情的来源和使用计算智能技术预测流行病的传播和无处不在的计算模型。

最近,出现了许多计算智能技术,如多视点学习,转移学习和深度学习,等等。多视点学习是机器学习的分支关心多模式数据的分析,例如模式代表了从多个数据源中提取不同的特征。转移学习利用获得的数据或知识在解决一个问题,帮助解决不同,虽然相关的问题。深度学习在医学图像处理中是一个迅速发展的领域,自然语言理解,近年来生物信息学。此外,随着普适计算的发展,无处不在的医疗设备可以监测病人的工作,住处的,和机构设置以及使漫游的临床医师临床信息和服务的访问病人的治疗临床以外的组织。如何获取情报和知觉的高级模型将新兴的计算智能技术集成到无处不在的计算模型,预测和解决问题,如源跟踪或传播传染病,在当前相关技术是一个巨大的挑战。

这个特殊的问题将专注于先进的计算智能技术和无处不在的计算传染性疾病的严重程度评估和分类,传染性疾病智能诊断、传染病的新特征提取和表示数据,和大规模传染病数据分析。我们邀请原始研究或综述文章作者的贡献。

潜在的主题包括但不限于以下:

• 计算智能和无处不在的计算传染性疾病的严重程度评估和分类
• 计算智能和无处不在的计算为传染性疾病智能诊断
• 计算智能多媒体传染病和无处不在的计算智能诊断
• 新特征提取和表示算法的检测和诊断传染病
• 从大规模传染病数据知识发现和模式识别