論文の概要: DengueNet: Dengue Prediction using Spatiotemporal Satellite Imagery for Resource-Limited Countries

• arxiv url: http://arxiv.org/abs/2401.11114v2
• Date: Tue, 23 Jan 2024 18:00:13 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-24 12:56:49.595993
• Title: DengueNet: Dengue Prediction using Spatiotemporal Satellite Imagery for Resource-Limited Countries
• Title（参考訳）: DengueNet:資源制限国における時空間衛星画像を用いたデング予測
• Authors: Kuan-Ting Kuo, Dana Moukheiber, Sebastian Cajas Ordonez, David Restrepo, Atika Rahman Paddo, Tsung-Yu Chen, Lama Moukheiber, Mira Moukheiber, Sulaiman Moukheiber, Saptarshi Purkayastha, Po-Chih Kuo and Leo Anthony Celi
• Abstract要約: デング熱は、衛生インフラが不十分な発展途上国で深刻な課題となっている。 クラウドベースのコンピューティングプラットフォームであるSentinel Hubをベースとした,スケーラブルな衛星抽出フレームワークを提案する。 我々は、Transformer Vision、Radiomics、Long Short-term Memoryを組み合わせた革新的なアーキテクチャであるDengueNetを導入し、衛星画像から特徴を抽出し統合する。
• 参考スコア（独自算出の注目度）: 1.636808591744074
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Dengue fever presents a substantial challenge in developing countries where sanitation infrastructure is inadequate. The absence of comprehensive healthcare systems exacerbates the severity of dengue infections, potentially leading to life-threatening circumstances. Rapid response to dengue outbreaks is also challenging due to limited information exchange and integration. While timely dengue outbreak forecasts have the potential to prevent such outbreaks, the majority of dengue prediction studies have predominantly relied on data that impose significant burdens on individual countries for collection. In this study, our aim is to improve health equity in resource-constrained countries by exploring the effectiveness of high-resolution satellite imagery as a nontraditional and readily accessible data source. By leveraging the wealth of publicly available and easily obtainable satellite imagery, we present a scalable satellite extraction framework based on Sentinel Hub, a cloud-based computing platform. Furthermore, we introduce DengueNet, an innovative architecture that combines Vision Transformer, Radiomics, and Long Short-term Memory to extract and integrate spatiotemporal features from satellite images. This enables dengue predictions on an epi-week basis. To evaluate the effectiveness of our proposed method, we conducted experiments on five municipalities in Colombia. We utilized a dataset comprising 780 high-resolution Sentinel-2 satellite images for training and evaluation. The performance of DengueNet was assessed using the mean absolute error (MAE) metric. Across the five municipalities, DengueNet achieved an average MAE of 43.92. Our findings strongly support the efficacy of satellite imagery as a valuable resource for dengue prediction, particularly in informing public health policies within countries where manually collected data is scarce and dengue virus prevalence is severe.
• Abstract（参考訳）: デング熱は、衛生インフラが不十分な発展途上国で深刻な課題となっている。 包括的医療システムの欠如はデングの感染の深刻さを悪化させ、生命を脅かす可能性がある。 デングの流行に対する迅速な対応も、情報交換や統合の制限により困難である。 時折デング熱の流行はそのような流行を予防する可能性があるが、デング熱の予測研究の大半は、各国の収集に多大な負担をかけるデータに依存している。 本研究では,高解像度衛星画像の非従来的かつアクセスしやすいデータソースとしての有効性を探求することにより,資源制約国における健康管理を改善することを目的とする。 衛星画像の公開と入手の容易さを活かし,クラウドベースのコンピューティングプラットフォームであるsentinel hubに基づくスケーラブルな衛星抽出フレームワークを提案する。 さらに,衛星画像から時空間的特徴を抽出・統合するために,視覚トランスフォーマー,放射能,長期短期記憶を組み合わせた革新的なアーキテクチャであるdenguenetを紹介する。 これにより、デング予測をエピウィークベースで行える。 提案手法の有効性を評価するため,コロンビアの5つの自治体で実験を行った。 780のsentinel-2衛星画像からなるデータセットを訓練と評価に利用した。 DengueNetの性能は平均絶対誤差(MAE)測定値を用いて評価した。 5つの自治体全体で、デングネットは平均43.92のMAEを達成した。 本研究は,手動で収集したデータが乏しく,デングウイルスの流行が深刻である国において,特に公衆衛生政策を通知する上で,デング予測の貴重な資料として衛星画像の有効性を強く支持する。

関連論文リスト

• An ensemble neural network approach to forecast Dengue outbreak based on climatic condition [2.3080278150530424]
  デング熱(英: Dengue fever)は、アフリカ、アメリカ、アジアに100以上の熱帯・亜熱帯の国々に分布する病原体である。 提案モデルは、ウェーブレットをアンサンブルニューラルネットワークフレームワークに変換する統合アプローチである。 提案したXEWNetはデング発生事例と降雨の複雑な非線形関係を可能にする。
  論文  参考訳（メタデータ） (2022-12-16T07:49:15Z)
• Assessing dengue fever risk in Costa Rica by using climate variables and machine learning techniques [0.0]
  デング熱は、主に熱帯や亜熱帯の国々に感染するベクター性疾患であり、毎年何百万人もの人に影響を及ぼし、公衆衛生にとって重大な負担であると考えられている。 本稿では,GAMLSS (Generalized Additive Model for location, scale, and shape) とランダムフォレスト (Random Forest,RF) 機械学習アルゴリズムを用いた気候変数の効果について検討する。
  論文  参考訳（メタデータ） (2022-03-23T19:59:15Z)
• 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)
• COLD: A Benchmark for Chinese Offensive Language Detection [54.60909500459201]
  COLDatasetは、37kの注釈付き文を持つ中国の攻撃的言語データセットである。 また、人気のある中国語モデルの出力攻撃性を研究するために、textscCOLDetectorを提案する。 我々の資源と分析は、中国のオンラインコミュニティを解毒し、生成言語モデルの安全性を評価することを目的としている。
  論文  参考訳（メタデータ） (2022-01-16T11:47:23Z)
• Exploring the Scope and Potential of Local Newspaper-based Dengue Surveillance in Bangladesh [1.181206257787103]
  デング熱は21世紀の公衆衛生問題の一つと考えられている。 このような地域では、監視のきめ細かいレベルを強制することは、非常に不可能である。 進行中の状況をタイムリーに更新できる代替のコスト効果ソリューションを探究することが不可欠である。
  論文  参考訳（メタデータ） (2021-07-07T18:48:15Z)
• Neural Networks for Dengue Prediction: A Systematic Review [0.0]
  デングの早期予測は病気の予防に重要なツールである。 本稿では,デング予測に関連するニューラルネットワークについて紹介する。 目標は、将来の作業のためにモデル設計を知らせることである。
  論文  参考訳（メタデータ） (2021-06-22T20:01:31Z)
• 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)
• C-Watcher: A Framework for Early Detection of High-Risk Neighborhoods Ahead of COVID-19 Outbreak [54.39837683016444]
  C-Watcherは、新型コロナウイルスの感染拡大に先立ち、対象都市のすべての地区を検査し、感染リスクを予測することを目指している。 C-WatcherはBaidu Mapsから大規模な人体移動データを収集し、都市移動パターンに基づいた一連の特徴を用いて市内のすべての住宅地区を特徴付ける。 新型コロナウイルスの感染拡大の初期段階における実データ記録を用いたC-Watcherの広範な実験を行った。
  論文  参考訳（メタデータ） (2020-12-22T17:02:54Z)
• Reconciling Security and Utility in Next-Generation Epidemic Risk Mitigation Systems [49.05741109401773]
  ユーザのプライバシをリッチなデータ収集と整合させるシステムであるSilmarillionを提案する。 Silmarillionでは、ユーザーデバイスが戦略的場所に設置されたビーコンでBluetoothの遭遇を記録する。 ユーザプライバシとデータセキュリティを保証するSilmarillionとその通信プロトコルの設計について述べる。
  論文  参考訳（メタデータ） (2020-11-16T16:19:37Z)
• UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced Data [81.00385374948125]
  我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。 UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。 非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。 UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
  論文  参考訳（メタデータ） (2020-10-22T02:28:11Z)
• A machine learning methodology for real-time forecasting of the 2019-2020 COVID-19 outbreak using Internet searches, news alerts, and estimates from mechanistic models [53.900779250589814]
  提案手法は,2日前の安定かつ正確な予測を行うことができる。 我々のモデルでは,中国32州中27州において,ベースラインモデルよりも予測力が優れています。
  論文  参考訳（メタデータ） (2020-04-08T14:39:32Z)

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。