危险区域：U-Net 驱动的分位数回归可通过污染物颗粒物与卫星影像预测 SARS-CoV-2 高风险区域
计算机视觉与模式识别
2021-05-07 v1 图像与视频处理
摘要
自 COVID-19 暴发以来，政策制定者一直依赖非药物干预措施控制疫情。由于空气污染是潜在的传播载体，有必要将其纳入干预策略。我们提出一种 U-net 驱动的分位数回归模型，基于易获取的卫星影像预测 空气污染。我们证明该方法能在真实数据上重建 浓度，并预测合理的 值及其空间分布，即使在无污染数据可用的位置也是如此。此类 特征预测可为旨在降低 COVID-19 传播与致死率的公共政策策略提供关键建议。
引用
@article{arxiv.2105.02406,
title = {In the Danger Zone: U-Net Driven Quantile Regression can Predict High-risk SARS-CoV-2 Regions via Pollutant Particulate Matter and Satellite Imagery},
author = {Jacquelyn Shelton and Przemyslaw Polewski and Wei Yao},
journal= {arXiv preprint arXiv:2105.02406},
year = {2021}
}
备注
accepted for ICML 2020 Workshop on Healthcare Systems, Population Health, and the Role of Health-Tech