論文の概要: STOPPAGE: Spatio-temporal Data Driven Cloud-Fog-Edge Computing Framework
for Pandemic Monitoring and Management
- arxiv url: http://arxiv.org/abs/2104.01600v1
- Date: Sun, 4 Apr 2021 12:29:31 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-07 05:25:45.347135
- Title: STOPPAGE: Spatio-temporal Data Driven Cloud-Fog-Edge Computing Framework
for Pandemic Monitoring and Management
- Title（参考訳）: STOPPAGE: パンデミックモニタリングと管理のための時空間データ駆動型クラウドフォグエッジコンピューティングフレームワーク
- Authors: Shreya Ghosh, Anwesha Mukherjee, Soumya K Ghosh, Rajkumar Buyya
- Abstract要約: 行政政策の改善とパンデミック対策のための準備を強化するための分析枠組みを開発することは絶対的に必要である。
本稿では,STOPと呼ばれる時空間知識マイニングフレームワークを提案し,時間スケールの異なる大規模地域における人間の移動性や文脈情報の影響をモデル化する。
i)fog/edgeベースのアーキテクチャを使用したs-temporal data and computing infrastructure、(ii)s-temporal data analyticsモジュールで、異種データソースから知識を効率的に抽出する。
- 参考スコア（独自算出の注目度）: 28.205715426050105
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Several researches and evidence show the increasing likelihood of pandemics
(large-scale outbreaks of infectious disease) which has far reaching sequels in
all aspects of human lives ranging from rapid mortality rates to economic and
social disruption across the world. In the recent time, COVID-19 (Coronavirus
Disease 2019) pandemic disrupted normal human lives, and motivated by the
urgent need of combating COVID-19, researchers have put significant efforts in
modelling and analysing the disease spread patterns for effective preventive
measures (in addition to developing pharmaceutical solutions, like vaccine). In
this regards, it is absolutely necessary to develop an analytics framework by
extracting and incorporating the knowledge of heterogeneous datasources to
deliver insights in improving administrative policy and enhance the
preparedness to combat the pandemic. Specifically, human mobility, travel
history and other transport statistics have significant impacts on the spread
of any infectious disease. In this direction, this paper proposes a
spatio-temporal knowledge mining framework, named STOPPAGE to model the impact
of human mobility and other contextual information over large geographic area
in different temporal scales. The framework has two major modules: (i)
Spatio-temporal data and computing infrastructure using fog/edge based
architecture; and (ii) Spatio-temporal data analytics module to efficiently
extract knowledge from heterogeneous data sources. Typically, we develop a
Pandemic-knowledge graph to discover correlations among mobility information
and disease spread, a deep learning architecture to predict the next hot-spot
zones; and provide necessary support in home-health monitoring utilizing
Femtolet and fog/edge based solutions. The experimental evaluations on
real-life datasets related to COVID-19 in India illustrate the efficacy of the
proposed methods.
- Abstract（参考訳）: いくつかの研究と証拠は、急速な死亡率から経済および社会の混乱に至るまで、人類のあらゆる側面において後継となるパンデミック(大規模な伝染病のアウトブレイク)の可能性が高まっていることを示している。
新型コロナウイルス(COVID-19)のパンデミックは、一般人の生活を混乱させ、新型コロナウイルスと戦うことの急激な必要性に動機付けられ、効果的な予防策(ワクチンなど医薬ソリューションの開発など)のために、病気の拡散パターンをモデル化し分析することに多大な努力を払っている。
この点に関して、異種データソースの知識を抽出・統合し、行政方針改善の洞察を提供し、パンデミック対策の備えを高める分析フレームワークを開発することは、絶対的に必要である。
特に、人間の移動性、旅行履歴、その他の輸送統計は、感染症の拡散に大きな影響を及ぼす。
そこで,本稿では,時間的スケールの異なる広い地理的領域における人間の移動やその他の文脈情報の影響をモデル化する,時空間的知識マイニングの枠組みであるstoppageを提案する。
i)fog/edgeベースのアーキテクチャを使用した時空間データとコンピューティングインフラストラクチャ、(ii)時空間データ分析モジュールの2つがあり、異種データソースから知識を効率的に抽出する。
通常、パンデミック知識グラフを開発し、モビリティ情報と病気のスプレッドの相関関係を発見し、次のホットスポットゾーンを予測するディープラーニングアーキテクチャ、フェムトレットとフォグ/エッジベースのソリューションを利用した在宅健康モニタリングに必要なサポートを提供する。
インドにおけるcovid-19関連実生活データセットに関する実験的評価は,提案手法の有効性を示している。
関連論文リスト
- Epidemiology-informed Graph Neural Network for Heterogeneity-aware Epidemic Forecasting [46.63739322178277]
最近の研究では、異種時相の流行パターンを抽出する際の時空間ニューラルネットワーク(STGNN)の強い可能性を示している。
HeatGNNは、疫学的にインフォームドされた場所を、時間とともに自分自身の伝達メカニズムを反映するさまざまな場所に埋め込むことを学ぶ。
HeatGNNは、HeatHeatのさまざまな強力なベースラインを異なるサイズで上回る。
論文 参考訳（メタデータ） (2024-11-26T12:29:45Z) - MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data
Augmentation [58.93221876843639]
本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。
トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。
ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
論文 参考訳（メタデータ） (2023-10-04T01:36:30Z) - Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。
疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。
また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
論文 参考訳（メタデータ） (2022-07-19T16:15:11Z) - Towards a Unified Pandemic Management Architecture: Survey, Challenges
and Future Directions [1.1470070927586016]
SARS-CoV-2は、世界中の健康、経済、社会に前例のない影響を与えている。
疫学、臨床、生理学のデータを収集し、緩和策について決定を下そうとしている。
IoT(Internet of Things)とエッジコンピューティングの進歩は、データ収集とインテリジェントな計算を通じて、パンデミック管理のためのソリューションを提供する。
我々は、IoTとエッジコンピューティングを活用する統一的なパンデミック管理アーキテクチャを構想し、ワクチン配布、動的ロックダウン、移動スケジューリング、パンデミック予測の推奨を自動化する。
論文 参考訳（メタデータ） (2022-02-04T02:01:02Z) - An Interactive Dashboard for Real-Time Analytics and Monitoring of
COVID-19 Outbreak in India: A proof of Concept [0.0]
データサイエンス技術を用いてSARS-CoV-2流行に追従する複数の指標のデータ可視化と分析のためのダッシュボードアプリケーションを開発した。
時間的傾向, 流行曲線, 成長率, 倍増時間, 有効再生数などの主要な疫学的パラメータを含む, インタラクティブでユーザフレンドリな, 基本的な疫学的監視のための地域レベルのツールが推定された。
論文 参考訳（メタデータ） (2021-08-23T05:14:12Z) - #StayHome or #Marathon? Social Media Enhanced Pandemic Surveillance on
Spatial-temporal Dynamic Graphs [23.67939019353524]
新型コロナウイルスは、公衆衛生、社会、経済のほぼすべての領域に永続的な被害をもたらしている。
既存の研究は、伝統的な統計モデルと流行拡散理論の集約に依存している。
我々は,抽出した出来事と関係に基づいて,ソーシャルメディアがパンデミックの知識を広める新しい枠組みを提案する。
論文 参考訳（メタデータ） (2021-08-08T15:46:05Z) - Digital Epidemiology: A review [0.0]
疫学は近年、計算モデルに基づく大きな進歩を目撃している。
ビッグデータとアプリによって、大規模な実データによるモデルの検証と精錬が可能になる。
エボラは、システム解を必要とするため、複雑性のレンズからアプローチする必要がある。
論文 参考訳（メタデータ） (2021-04-08T08:45:20Z) - An Optimal Control Approach to Learning in SIDARTHE Epidemic model [67.22168759751541]
本研究では,疫病データから動的コンパートメンタルモデルの時間変化パラメータを学習するための一般的な手法を提案する。
我々はイタリアとフランスの疫病の進化を予報する。
論文 参考訳（メタデータ） (2020-10-28T10:58:59Z) - Steering a Historical Disease Forecasting Model Under a Pandemic: Case
of Flu and COVID-19 [75.99038202534628]
我々は、インフルエンザとCOVID-19が共存する新しいシナリオに、歴史的疾患予測モデルを「操る」ことができる神経伝達学習アーキテクチャであるCALI-Netを提案する。
我々の実験は、現在のパンデミックに歴史的予測モデルを適用することに成功していることを示している。
論文 参考訳（メタデータ） (2020-09-23T22:35:43Z) - The Past, Present, and Future of COVID-19: A Data-Driven Perspective [4.373183416616983]
新型コロナウイルスの重要な意思決定支援システムとして,Webベースの統合リアルタイム運用ダッシュボードの開発と展開について報告する。
パンデミックの今後の結果を予測するため,各種認証情報から得られるデータをもとにデータ駆動分析を行った。
また,パンデミックの拡大と社会・経済・環境要因との関係についても検討した。
論文 参考訳（メタデータ） (2020-08-12T19:03:57Z) - Mapping the Landscape of Artificial Intelligence Applications against
COVID-19 [59.30734371401316]
世界保健機関(WHO)は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染をパンデミックと宣言した。
我々は、機械学習と、より広範に、人工知能を用いた最近の研究の概要を、新型コロナウイルス危機の多くの側面に取り組むために提示する。
論文 参考訳（メタデータ） (2020-03-25T12:30:33Z)
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。