利用深度景观特征改进虫媒传染病预测
计算机与社会
2019-04-04 v1 计算机视觉与模式识别
摘要
受登革热、黄热病、基孔肯雅热和寨卡等蚊媒疾病威胁的全球人口正在扩大。传染病模型通常纳入温度和降水等环境度量。鉴于高分辨率卫星影像的日益可得，本文考虑将卫星影像中的景观特征纳入传染病预测模型。为此，我们实现了在Imagenet数据上训练并用伦敦卫星数据标注景观特征的卷积神经网络（CNN）模型。随后，我们将来自巴基斯坦卫星影像、经CNN标注的景观特征，与巴基斯坦2012-2016年登革热病例数据一起，纳入知名的易感-感染-恢复（SIR）传染病模型。我们研究了各单独景观特征对预测模型的改进，并评估了使用异地图像标签的可行性。我们发现，纳入卫星衍生的景观特征可改进暴发预测，这对主动和战略性的监测与控制规划十分重要。
引用
@article{arxiv.1904.01994,
title = {Deep Landscape Features for Improving Vector-borne Disease Prediction},
author = {Nabeel Abdur Rehman and Umar Saif and Rumi Chunara},
journal= {arXiv preprint arXiv:1904.01994},
year = {2019}
}
备注
10 pages, 3 figures, 1 table