景观中的魔鬼：从街景影像推断传染病暴露风险
计算机视觉与模式识别
2023-11-17 v1 人工智能
摘要
建成环境支撑着所有日常活动并塑造我们的健康。借助信息丰富的街景影像，既往研究已确立建成环境与非传染性慢性病之间的深刻关联；然而，预测传染病的暴露风险仍基本未被探索。人际接触与互动增添了传染病的复杂性，这本质上不同于非传染性疾病。此外，街景影像与传染病暴露之间的复杂关系也阻碍准确预测。为解决这些问题，我们基于重力模型构建区域移动图，并据此提出一种传输感知图卷积网络（GCN）以捕捉由人类移动引发的疾病传播模式。实验表明，所提模型在加权F1上以 8.54% 显著优于基线模型，为从街景影像评估传染病暴露风险提供了一种低成本、可扩展的途径。
引用
@article{arxiv.2311.09240,
title = {Devil in the Landscapes: Inferring Epidemic Exposure Risks from Street View Imagery},
author = {Zhenyu Han and Yanxin Xi and Tong Xia and Yu Liu and Yong Li},
journal= {arXiv preprint arXiv:2311.09240},
year = {2023}
}
备注
Published in ACM SIGSPATIAL 2023