DengueNet：面向资源有限国家的基于时空卫星图像的登革热预测
计算机视觉与模式识别
2024-01-24 v2
摘要
登革热在卫生设施不完善的发展中国家构成重大挑战。缺乏全面的医疗体系加剧了登革热感染的严重程度，可能危及生命。由于信息交流与整合受限，对登革热疫情的快速响应也面临困难。尽管及时的登革热疫情预测有望预防此类疫情，但大多数登革热预测研究主要依赖于给各国收集带来沉重负担的数据。本研究旨在通过探索高分辨率卫星图像作为一种非传统且易于获取的数据源的有效性，改善资源受限国家的健康公平。利用大量公开且易获取的卫星图像，我们提出了一个基于云计算平台 Sentinel Hub 的可扩展卫星提取框架。此外，我们引入了 DengueNet，一种结合 Vision Transformer、Radiomics 和 Long Short-term Memory 的创新架构，用于从卫星图像中提取并整合时空特征。这实现了基于流行病学周（epi-week）的登革热预测。为评估所提方法的有效性，我们在哥伦比亚的五个市镇进行了实验。我们利用包含 780 张高分辨率 Sentinel-2 卫星图像的数据集进行训练和评估。DengueNet 的性能采用平均绝对误差（MAE）指标进行评估。在五个市镇中，DengueNet 取得了 43.92 的平均 MAE。我们的研究结果有力地支持了卫星图像作为登革热预测宝贵资源的有效性，特别是在人工收集数据稀缺且登革热病毒流行严重的国家，可为公共卫生政策提供参考。
引用
@article{arxiv.2401.11114,
title = {DengueNet: Dengue Prediction using Spatiotemporal Satellite Imagery for Resource-Limited Countries},
author = {Kuan-Ting Kuo and Dana Moukheiber and Sebastian Cajas Ordonez and David Restrepo and Atika Rahman Paddo and Tsung-Yu Chen and Lama Moukheiber and Mira Moukheiber and Sulaiman Moukheiber and Saptarshi Purkayastha and Po-Chih Kuo and Leo Anthony Celi},
journal= {arXiv preprint arXiv:2401.11114},
year = {2024}
}
备注
Published at the IJCAI 2023 Workshop on Bridge-AI: from Climate Change to Health Equity (BridgeAICCHE)., Macao, S.A.R