利用 NASA 卫星数据源与几何深度学习揭示 COVID-19 临床严重程度的隐藏模式
机器学习
2021-10-22 v1 应用统计
摘要
正如 2021 年多个不利事件所表明的，我们社会运作的几乎各个方面——从水和粮食安全到能源供应再到医疗保健——比以往任何时候都更依赖于环境因素的动态。然而，天气和气候的社会维度在机器学习界明显较少被探索，主要由于缺乏可靠且易于使用的数据。在此我们呈现一个独特且尚未广泛可用的 NASA 卫星数据集，内容关于气溶胶光学厚度(AOD)、温度和相对湿度，并讨论这些新数据在 COVID-19 生物监测中的效用。特别地，利用几何深度学习模型在美国本土县域基础上进行半监督分类，我们研究一个紧迫的社会问题：大气变量是否对 COVID-19 临床严重程度有显著影响。
引用
@article{arxiv.2110.10849,
title = {Using NASA Satellite Data Sources and Geometric Deep Learning to Uncover Hidden Patterns in COVID-19 Clinical Severity},
author = {Ignacio Segovia-Dominguez and Huikyo Lee and Zhiwei Zhen and Yuzhou Chen and Michael Garay and Daniel Crichton and Rishabh Wagh and Yulia R. Gel},
journal= {arXiv preprint arXiv:2110.10849},
year = {2021}
}
备注
Main Paper and Appendix