論文の概要: Longevity Associated Geometry Identified in Satellite Images: Sidewalks,
Driveways and Hiking Trails
- arxiv url: http://arxiv.org/abs/2003.08750v1
- Date: Thu, 5 Mar 2020 20:23:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-26 06:14:48.481232
- Title: Longevity Associated Geometry Identified in Satellite Images: Sidewalks,
Driveways and Hiking Trails
- Title（参考訳）: 衛星画像で識別された長寿関連形状:歩道、ドライブウェイ、ハイキングトレイル
- Authors: Joshua J. Levy, Rebecca M. Lebeaux, Anne G. Hoen, Brock C.
Christensen, Louis J. Vaickus, Todd A. MacKenzie
- Abstract要約: 衛星画像を用いたアメリカ合衆国における郡レベルの死亡率の予測について検討した。
畳み込みニューラルネットワークは、2015年に各郡の粗末死亡率を用いて、死亡率を予測するために訓練された。
教育,収入,地理的地域,人種,年齢に関連する10のクラスタを特定した。
- 参考スコア（独自算出の注目度）: 0.7130302992490973
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Importance: Following a century of increase, life expectancy in the United
States has stagnated and begun to decline in recent decades. Using satellite
images and street view images prior work has demonstrated associations of the
built environment with income, education, access to care and health factors
such as obesity. However, assessment of learned image feature relationships
with variation in crude mortality rate across the United States has been
lacking.
Objective: Investigate prediction of county-level mortality rates in the U.S.
using satellite images.
Design: Satellite images were extracted with the Google Static Maps
application programming interface for 430 counties representing approximately
68.9% of the US population. A convolutional neural network was trained using
crude mortality rates for each county in 2015 to predict mortality. Learned
image features were interpreted using Shapley Additive Feature Explanations,
clustered, and compared to mortality and its associated covariate predictors.
Main Outcomes and Measures: County mortality was predicted using satellite
images.
Results: Predicted mortality from satellite images in a held-out test set of
counties was strongly correlated to the true crude mortality rate (Pearson
r=0.72). Learned image features were clustered, and we identified 10 clusters
that were associated with education, income, geographical region, race and age.
Conclusion and Relevance: The application of deep learning techniques to
remotely-sensed features of the built environment can serve as a useful
predictor of mortality in the United States. Tools that are able to identify
image features associated with health-related outcomes can inform targeted
public health interventions.
- Abstract（参考訳）: 重要性: 1世紀にわたる増加の後、米国の寿命は停滞し、ここ数十年で減少し始めている。
衛星画像とストリートビュー画像を用いた先行作業により、建設環境と収入、教育、ケアへのアクセス、肥満などの健康要因との関連が示された。
しかし、米国全体の原油死亡率の変動に伴う学習画像の特徴的関係の評価は不十分である。
目的: 衛星画像を用いたアメリカ合衆国における郡レベルの死亡率の予測。
設計: アメリカ合衆国人口の68.9%を占める430郡のgoogle static mapsアプリケーションプログラミングインタフェースで衛星画像が抽出された。
畳み込みニューラルネットワークは2015年、死亡率を予測するために各郡で粗死亡率を使って訓練された。
学習した画像特徴はShapley Additive Feature Explanationsを用いて解釈され、クラスタ化され、死亡率と関連する共変量予測器と比較された。
主な成果と対策: 郡死は衛星画像を用いて予測された。
結果: 衛星画像から推定された死亡率は, 真の粗死亡率 (pearson r=0.72) と強く相関した。
学習画像の特徴をクラスタ化し,教育,収入,地理的地域,人種,年齢に関連する10のクラスタを同定した。
結論と関連性: 構築された環境のリモートセンシング機能に対するディープラーニング技術の応用は、米国での死亡率の予測に有用である。
健康関連の結果に関連する画像特徴を識別できるツールは、ターゲットの公衆衛生介入を知らせることができる。
関連論文リスト
- A Comparative Study of Population-Graph Construction Methods and Graph
Neural Networks for Brain Age Regression [48.97251676778599]
医用画像では、人口グラフが有望な結果を示しており、主に分類作業に向けられている。
人口グラフの抽出は非自明な作業であり、グラフニューラルネットワーク(GNN)の性能に大きな影響を及ぼす可能性がある
本研究では,有意義なグラフ構築の重要性を強調し,異なる集団グラフ構築手法による実験を行う。
論文 参考訳（メタデータ） (2023-09-26T10:30:45Z) - Enhanced Mortality Prediction In Patients With Subarachnoid Haemorrhage
Using A Deep Learning Model Based On The Initial CT Scan [34.86503928854081]
畳み込みニューラルネットワーク(CNN)は、画像データから高精度な予測を生成することができる。
本研究の目的は,CNN を用いたCT スキャンにより,下垂体出血患者の死亡率を予測することであった。
論文 参考訳（メタデータ） (2023-08-25T13:33:56Z) - Multimodal brain age estimation using interpretable adaptive
population-graph learning [58.99653132076496]
下流タスクに最適化された人口グラフ構造を学習するフレームワークを提案する。
注意機構は、画像と非画像の特徴のセットに重みを割り当てる。
グラフ構築において最も重要な注意重みを可視化することにより、グラフの解釈可能性を高める。
論文 参考訳（メタデータ） (2023-07-10T15:35:31Z) - Using Geographic Location-based Public Health Features in Survival
Analysis [12.424517746493553]
本稿では,入力特徴に公衆衛生統計を取り入れた生存分析モデルの補完的改善を提案する。
地理的位置に基づく公衆衛生情報を含めると,Surveillance, Epidemiology, End Results (SEER)データセットで評価されたコンコーマンス指数の統計的に有意な改善が得られた。
生存分析における地理的位置に基づく公衆衛生機能の有用性が示唆された。
論文 参考訳（メタデータ） (2023-04-16T03:15:00Z) - Mortality Rates of US Counties: Are they Reliable and Predictable? [0.0]
米国2,812郡の死亡率は、非常に少ない。
予測モデリングでは、いくつかの利点を持つ死亡率の1つの「比較」尺度を使用する。
論文 参考訳（メタデータ） (2023-03-06T18:26:10Z) - Equitable Community Resilience: The Case of Winter Storm Uri in Texas [0.0]
本研究では,テキサス州のウィンター・ストーム・ウリの余波におけるコミュニティのレジリエンスに関連する株式の側面について検討した。
衛星画像は、ヒューストン市の国勢調査領域に焦点を当てた、より高度な地理的解像度でデータを調べるために使用された。
その結果,非ヒスパニック系白人の郡の割合と世帯収入中央値との間には,機能停止率と統計的に有意な相関が認められた。
論文 参考訳（メタデータ） (2022-01-17T22:54:07Z) - Realistic Ultrasound Image Synthesis for Improved Classification of
Liver Disease [54.69792905238048]
超音波(US)データから肝疾患を分類するために、畳み込みニューラルネットワーク(CNN)が研究されている。
本稿では, 現実的な疾患と健康な肝臓画像合成のための新しいGANアーキテクチャを提案する。
論文 参考訳（メタデータ） (2021-07-27T12:37:19Z) - Potato Crop Stress Identification in Aerial Images using Deep
Learning-based Object Detection [60.83360138070649]
本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。
主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。
実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
論文 参考訳（メタデータ） (2021-06-14T21:57:40Z) - Wide & Deep neural network model for patch aggregation in CNN-based
prostate cancer detection systems [51.19354417900591]
前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。
自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。
パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
論文 参考訳（メタデータ） (2021-05-20T18:13:58Z) - Automatic Social Distance Estimation From Images: Performance
Evaluation, Test Benchmark, and Algorithm [78.88882860340797]
新型コロナウイルスは2020年3月から世界的なパンデミックを引き起こしている。
感染リスクを低減するため、他者から最低1メートルの距離を維持することが強く示唆されている。
このようなアルゴリズムには適切なテストベンチマークは存在しない。
論文 参考訳（メタデータ） (2021-03-11T16:15:20Z) - Where you live matters: a spatial analysis of COVID-19 mortality [0.0]
新型コロナウイルスのパンデミックはメキシコで200万人の死者を出した。
メキシコとのケース/死亡比の異常は、空間分析によって調査され、死亡率は局所的な要因によって異なる。
これに対処するため、ヘキサゴナル地図(hexbin)は、新型コロナウイルスの死亡率を空間的にマッピングし、人口統計や既存の健康状態に関する患者レベルのデータと関連づけるために使用される。
論文 参考訳（メタデータ） (2021-01-11T21:25:13Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。