用于登革热预测的神经网络：系统综述
机器学习
2025-12-19 v2 计算机与社会
摘要
背景：登革热的早期预测是疾病缓解的重要手段。神经网络是强大的预测模型，已在公共卫生诸多领域作出贡献。本研究回顾了神经网络在登革热预测文献中的应用，旨在为未来工作的模型设计提供参考。方法：遵循PRISMA指南，我们对使用神经网络预测人类种群中登革热的研究进行了系统检索。我们总结了神经网络与比较模型的相对性能、架构与超参数、输入特征选择、地理分布及模型透明度。结果：共纳入62篇论文。多数研究实现了浅层前馈神经网络，使用历史登革热发病率与气候变量。预测周期差异很大，模型选择与评估方法亦然。基于神经网络优势，多数研究使用城市层面或其细分区域的精细观测，并常采用周度数据。神经网络相对于比较模型（如基于树的监督模型）的性能因研究背景而异；我们发现63%的研究至少包含一种此类基线模型，其中约半数报告神经网络为性能最佳模型。结论：研究表明神经网络可提供有竞争力的登革热预测，并可可靠地纳入未来登革热预测工作的候选模型集中。深度网络的使用相对未被探索，但提供了有前景的进一步研究途径；更广泛输入特征的使用以及针对数据生成机制结构性变化的预测亦是如此。
引用
@article{arxiv.2106.12905,
title = {Neural networks for dengue forecasting: a systematic review},
author = {Luiza Lober and Francisco A. Rodrigues and Kirstin Roster},
journal= {arXiv preprint arXiv:2106.12905},
year = {2025}
}