論文の概要: Spotting Virus from Satellites: Modeling the Circulation of West Nile
Virus Through Graph Neural Networks
- arxiv url: http://arxiv.org/abs/2209.05251v2
- Date: Thu, 6 Jul 2023 09:16:57 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-07 18:28:50.002115
- Title: Spotting Virus from Satellites: Modeling the Circulation of West Nile
Virus Through Graph Neural Networks
- Title(参考訳): 衛星からのウイルス検出:グラフニューラルネットワークによる西ナイルウイルスの循環のモデル化
- Authors: Lorenzo Bonicelli, Angelo Porrello, Stefano Vincenzi, Carla Ippoliti,
Federica Iapaolo, Annamaria Conte, Simone Calderara
- Abstract要約: 西ナイルウイルス(西ナイルウイルス、英語: West Nile Virus、WNV)は、蚊が媒介する動物病ウイルスの1つである。
グラフニューラルネットワーク(GNN)を用いて,周辺地域の特徴を集約する。
ウイルス拡散の季節性を考慮したモデルに時間関連情報を直接注入する。
- 参考スコア(独自算出の注目度): 10.235799644961816
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The occurrence of West Nile Virus (WNV) represents one of the most common
mosquito-borne zoonosis viral infections. Its circulation is usually associated
with climatic and environmental conditions suitable for vector proliferation
and virus replication. On top of that, several statistical models have been
developed to shape and forecast WNV circulation: in particular, the recent
massive availability of Earth Observation (EO) data, coupled with the
continuous advances in the field of Artificial Intelligence, offer valuable
opportunities.
In this paper, we seek to predict WNV circulation by feeding Deep Neural
Networks (DNNs) with satellite images, which have been extensively shown to
hold environmental and climatic features. Notably, while previous approaches
analyze each geographical site independently, we propose a spatial-aware
approach that considers also the characteristics of close sites. Specifically,
we build upon Graph Neural Networks (GNN) to aggregate features from
neighbouring places, and further extend these modules to consider multiple
relations, such as the difference in temperature and soil moisture between two
sites, as well as the geographical distance. Moreover, we inject time-related
information directly into the model to take into account the seasonality of
virus spread.
We design an experimental setting that combines satellite images - from
Landsat and Sentinel missions - with ground truth observations of WNV
circulation in Italy. We show that our proposed Multi-Adjacency Graph Attention
Network (MAGAT) consistently leads to higher performance when paired with an
appropriate pre-training stage. Finally, we assess the importance of each
component of MAGAT in our ablation studies.
- Abstract(参考訳): 西ナイルウイルス(英語: West Nile Virus、WNV)は、蚊が媒介する動物病ウイルスの1つである。
その循環は通常、ベクター増殖とウイルスの複製に適した気候および環境条件と関連している。
その上、wnv循環の形状と予測のためにいくつかの統計モデルが開発されており、特に最近の地球観測(eo)データの大量利用と人工知能の分野における継続的な進歩は、貴重な機会を提供している。
本稿では,広範に環境・気候特性を有する衛星画像を用いた深部ニューラルネットワーク(DNN)によるWNV循環予測を提案する。
特に,各地形を個別に解析する従来の手法では,近接する場所の特性を考慮した空間認識手法を提案する。
具体的には,グラフニューラルネットワーク(gnn)を基盤として,隣接する場所から特徴を集約し,これらのモジュールをさらに拡張して,温度や土壌水分の差,地理的距離など,複数の関係を考察する。
さらに,ウイルス拡散の季節性を考慮するため,時間関連情報をモデルに直接注入する。
我々は、ランドサットとセンチネルのミッションの衛星画像と、イタリアにおけるWNV循環の地上観測を組み合わせた実験的な設定を設計する。
提案するマルチアドバンシーグラフアテンションネットワーク (magat) は, 適切な事前学習段階と組み合わせると, 一貫して高い性能が得られることを示す。
最後に,Ablation研究におけるMAGATの各成分の重要性について検討した。
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) - MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。
以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。
本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
論文 参考訳(メタデータ) (2024-08-20T13:45:49Z) - Generating Fine-Grained Causality in Climate Time Series Data for Forecasting and Anomaly Detection [67.40407388422514]
我々は、TBN Granger Causalityという概念的微粒因果モデルを設計する。
次に, TBN Granger Causality を生成的に発見する TacSas という, エンドツーエンドの深部生成モデルを提案する。
気候予報のための気候指標ERA5と、極度気象警報のためのNOAAの極端気象基準でTacSasを試験する。
論文 参考訳(メタデータ) (2024-08-08T06:47:21Z) - VN-Net: Vision-Numerical Fusion Graph Convolutional Network for Sparse Spatio-Temporal Meteorological Forecasting [12.737085738169164]
VN-Netは、マルチモーダルデータを利用してスパース時間気象予報をより良く扱うためのGCN法を導入する最初の試みである。
VN-Netは、温度、相対湿度、予測のための平均絶対誤差(MAE)と根平均二乗誤差(RMSE)にかなりの差で最先端である。
論文 参考訳(メタデータ) (2024-01-26T12:41:57Z) - SatBird: Bird Species Distribution Modeling with Remote Sensing and
Citizen Science Data [68.2366021016172]
本稿では,市民科学データベース eBird の観測データから得られたラベルを用いた,米国内の位置情報のサテライトデータセットである SatBird について述べる。
ケニアでは低データのレシエーションを表すデータセットも提供しています。
リモートセンシングタスクのためのSOTAモデルを含む、データセットのベースラインセットをベンチマークします。
論文 参考訳(メタデータ) (2023-11-02T02:00:27Z) - Forecasting West Nile Virus with Graph Neural Networks: Harnessing
Spatial Dependence in Irregularly Sampled Geospatial Data [0.0]
イリノイ州における西ナイルウイルスの存在を予測するために,空間認識型グラフニューラルネットワークモデルを適用した。
より一般的に、不規則サンプリングされた地理空間データに適用されたグラフニューラルネットワークは、様々なベースライン法の性能を超える可能性があることを示す。
論文 参考訳(メタデータ) (2022-12-21T21:08:45Z) - Autonomous Mosquito Habitat Detection Using Satellite Imagery and
Convolutional Neural Networks for Disease Risk Mapping [0.0]
モスキトベクターは毎年100万人以上の死者を出す病気の感染で知られている。
ドローン、UAV、その他の空中撮像技術といった現代のアプローチは、実装にコストがかかり、より精密な空間スケールでのみ正確である。
提案した畳み込みニューラルネットワーク(CNN)アプローチは、疾病リスクマッピングや、よりグローバルなスケールでの予防的取り組みのガイドに応用することができる。
論文 参考訳(メタデータ) (2022-03-09T00:54:59Z) - Forecasting large-scale circulation regimes using deformable
convolutional neural networks and global spatiotemporal climate data [86.1450118623908]
変形可能な畳み込みニューラルネットワーク(deCNN)に基づく教師あり機械学習手法の検討
今後1~15日にわたって北大西洋-欧州の気象条件を予測した。
より広い視野で見れば、通常の畳み込みニューラルネットワークよりも5~6日を超えるリードタイムでかなり優れた性能を発揮することが分かる。
論文 参考訳(メタデータ) (2022-02-10T11:37:00Z) - Health Status Prediction with Local-Global Heterogeneous Behavior Graph [69.99431339130105]
ウェアラブルセンサから継続的に収集される各種データストリームにより、健康状態の推定が可能です。
行動関連マルチソースデータストリームをローカル・グローバル・グラフでモデル化することを提案する。
学生生活データセットを用いて実験を行い,提案モデルの有効性を実証した。
論文 参考訳(メタデータ) (2021-03-23T11:10:04Z) - Quantifying the Effects of Contact Tracing, Testing, and Containment
Measures in the Presence of Infection Hotspots [18.227721607607183]
複数の証拠は、一人が他の多くの人に感染するホットスポットが、新型コロナウイルスの感染動態において重要な役割を担っていることを強く示唆している。
個人が接触し、互いに感染するサイトへの訪問を具体的に表現する、時間的ポイントプロセスモデリングフレームワークを導入する。
我々のモデルでは、自然に感染した個体によって引き起こされる感染の数が過度に分散する。
論文 参考訳(メタデータ) (2020-04-15T17:18:32Z)
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。