卫星图像中识别的与寿命相关的几何特征：人行道、车道与徒步小径
计算机视觉与模式识别
2020-03-20 v1 机器学习
机器学习
摘要
重要性：在经历一个世纪的增长后，美国预期寿命在近几十年陷入停滞并开始下降。利用卫星图像与街景图像，已有工作证明了建成环境与收入、教育、医疗可及性以及肥胖等健康因素的关联。然而，针对所学图像特征与美国粗死亡率差异之间关系的研究尚显不足。目的：利用卫星图像探究对美国县级死亡率的预测。设计：通过 Google Static Maps 应用程序编程接口提取了代表约 68.9% 美国人口的 430 个县的卫星图像。使用各县 2015 年粗死亡率训练了一个卷积神经网络以预测死亡率。利用 Shapley Additive Feature Explanations 对所学图像特征进行解释、聚类，并与死亡率及其相关协变量预测因子进行比较。主要结局与测量：使用卫星图像预测县级死亡率。结果：在留出的县级测试集中，卫星图像预测的死亡率与真实粗死亡率强相关（Pearson r=0.72）。所学图像特征经聚类后，我们识别出 10 个与受教育程度、收入、地理区域、种族和年龄相关的簇。结论与相关度：将深度学习技术应用于建成环境的遥感特征可作为美国死亡率的有用预测因子。能够识别与健康相关结局图像特征的工具可为有针对性的公共卫生干预提供信息。
引用
@article{arxiv.2003.08750,
title = {Longevity Associated Geometry Identified in Satellite Images: Sidewalks, Driveways and Hiking Trails},
author = {Joshua J. Levy and Rebecca M. Lebeaux and Anne G. Hoen and Brock C. Christensen and Louis J. Vaickus and Todd A. MacKenzie},
journal= {arXiv preprint arXiv:2003.08750},
year = {2020}
}