論文の概要: Spatially Directional Dual-Attention GAT for Spatial Fluoride Health Risk Modeling
- arxiv url: http://arxiv.org/abs/2504.09416v1
- Date: Sun, 13 Apr 2025 03:15:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-23 07:30:49.690109
- Title: Spatially Directional Dual-Attention GAT for Spatial Fluoride Health Risk Modeling
- Title(参考訳): 空間的指向性デュアルアテンションGATによる空間的フッ化物健康リスクモデリング
- Authors: Da Yuan,
- Abstract要約: SDD-GAT(Spatially Directional Dual-Attention Graph Attention Network)は、微小な健康リスク予測のために設計された空間グラフニューラルネットワークである。
広州省における5万件以上のフッ化物モニタリングサンプルとフルオロシス記録を対象とする大規模データセット上でSDD-GATを評価した。
- 参考スコア(独自算出の注目度): 0.5439020425819
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Environmental exposure to fluoride is a major public health concern, particularly in regions with naturally elevated fluoride concentrations. Accurate modeling of fluoride-related health risks, such as dental fluorosis, requires spatially aware learning frameworks capable of capturing both geographic and semantic heterogeneity. In this work, we propose Spatially Directional Dual-Attention Graph Attention Network (SDD-GAT), a novel spatial graph neural network designed for fine-grained health risk prediction. SDD-GAT introduces a dual-graph architecture that disentangles geographic proximity and attribute similarity, and incorporates a directional attention mechanism that explicitly encodes spatial orientation and distance into the message passing process. To further enhance spatial coherence, we introduce a spatial smoothness regularization term that enforces consistency in predictions across neighboring locations. We evaluate SDD-GAT on a large-scale dataset covering over 50,000 fluoride monitoring samples and fluorosis records across Guizhou Province, China. Results show that SDD-GAT significantly outperforms traditional models and state-of-the-art GNNs in both regression and classification tasks, while also exhibiting improved spatial autocorrelation as measured by Moran's I. Our framework provides a generalizable foundation for spatial health risk modeling and geospatial learning under complex environmental settings.
- Abstract(参考訳): フッ化物への環境曝露は、特に自然にフッ化物濃度が上昇した地域では、公衆衛生上の問題となっている。
歯科用フッ化物等のフッ化物関連健康リスクの正確なモデリングには、地理的および意味的不均一性の両方を捉えることができる空間的に認識された学習フレームワークが必要である。
本研究では,詳細な健康リスク予測を目的とした空間グラフニューラルネットワークSDD-GATを提案する。
SDD-GATは、地理的近接性と属性類似性を歪ませるデュアルグラフアーキテクチャを導入し、メッセージパッシングプロセスに空間配向と距離を明示的にエンコードする指向性アテンション機構を組み込んだ。
空間的コヒーレンスをさらに高めるため,近隣地域の予測における一貫性を強制する空間的滑らか度正規化項を導入する。
広州省における5万件以上のフッ化物モニタリングサンプルとフルオロシス記録を対象とする大規模データセット上でSDD-GATを評価した。
その結果,SDD-GATは回帰と分類の両タスクにおいて従来のモデルと最先端のGNNを著しく上回り,モランのIで測定した空間自己相関性も向上していることがわかった。
関連論文リスト
- ST-Prompt Guided Histological Hypergraph Learning for Spatial Gene Expression Prediction [9.559278128855036]
本稿では,ST-promptガイドによる組織学的ハイパーグラフ学習フレームワークPHG2STを提案する。
本フレームワークは, マスク付きST-promptエンコーディング機構を用いて, 複数スケールの組織学的ハイパーグラフ表現を融合する。
これらの結果は、スケーラブルで費用対効果の高い空間的遺伝子発現マッピングに、疎局所STデータを活用する可能性を示している。
論文 参考訳(メタデータ) (2025-03-21T03:10:43Z) - An Interpretable Implicit-Based Approach for Modeling Local Spatial Effects: A Case Study of Global Gross Primary Productivity [9.352810748734157]
地球科学では、観測されていない要因は非定常分布を示し、特徴と対象の関係が空間的不均一性を示す。
地理的機械学習タスクでは、従来の統計学習手法は空間的不均一性を捉えるのに苦労することが多い。
我々は、深層ニューラルネットワークを用いた空間差と並行して、異なる場所で共通する特徴を同時にモデル化する、新しい視点を提案する。
論文 参考訳(メタデータ) (2025-02-10T05:44:54Z) - RegionGCN: Spatial-Heterogeneity-Aware Graph Convolutional Networks [8.132751508556078]
本研究では,地域レベルでの空間的プロセスの不均一性を個人レベルでではなく,地域レベルでモデル化することを提案する。
本研究では,2016年アメリカ合衆国大統領選挙における郡レベルの投票率の空間的予測に,地域GCNという空間的不均一性を考慮したグラフ畳み込みネットワークを適用した。
論文 参考訳(メタデータ) (2025-01-29T12:09:01Z) - SFANet: Spatial-Frequency Attention Network for Weather Forecasting [54.470205739015434]
天気予報は様々な分野において重要な役割を担い、意思決定とリスク管理を推進している。
伝統的な手法は、しばしば気象系の複雑な力学を捉えるのに苦労する。
本稿では,これらの課題に対処し,天気予報の精度を高めるための新しい枠組みを提案する。
論文 参考訳(メタデータ) (2024-05-29T08:00:15Z) - HGAttack: Transferable Heterogeneous Graph Adversarial Attack [63.35560741500611]
ヘテロジニアスグラフニューラルネットワーク(HGNN)は、Webやeコマースなどの分野でのパフォーマンスでますます認識されている。
本稿ではヘテロジニアスグラフに対する最初の専用グレーボックス回避手法であるHGAttackを紹介する。
論文 参考訳(メタデータ) (2024-01-18T12:47:13Z) - Locality-preserving Directions for Interpreting the Latent Space of
Satellite Image GANs [20.010911311234718]
本稿では,ウェーブレットをベースとしたGAN(Generative Adversarial Networks)の潜伏空間を解釈する局所性認識手法を提案する。
局所性を保存することに集中して,提案手法は事前学習したGANの重み空間を分解し,解釈可能な方向を復元することができる。
論文 参考訳(メタデータ) (2023-09-26T12:29:36Z) - Adaptive Hierarchical SpatioTemporal Network for Traffic Forecasting [70.66710698485745]
本稿では,AHSTN(Adaptive Hierarchical SpatioTemporal Network)を提案する。
AHSTNは空間階層を利用し、マルチスケール空間相関をモデル化する。
2つの実世界のデータセットの実験により、AHSTNはいくつかの強いベースラインよりも優れたパフォーマンスを達成することが示された。
論文 参考訳(メタデータ) (2023-06-15T14:50:27Z) - Boundary Guided Semantic Learning for Real-time COVID-19 Lung Infection
Segmentation System [69.40329819373954]
新型コロナウイルス(COVID-19)は、世界中の医療システムに悪影響を及ぼし続けている。
現段階では、新型コロナウイルスの診断と治療には、CT画像から肺感染症領域を自動的に分離することが不可欠である。
本稿では,境界案内型セマンティックラーニングネットワーク(BSNet)を提案する。
論文 参考訳(メタデータ) (2022-09-07T05:01:38Z) - Analyzing the Latent Space of GAN through Local Dimension Estimation [4.688163910878411]
高忠実度画像合成におけるスタイルベースGAN(StyleGAN)は、それらの潜在空間の意味的特性を理解するために研究の動機となっている。
事前学習したGANモデルにおける任意の中間層に対する局所次元推定アルゴリズムを提案する。
提案した計量はDistortionと呼ばれ、学習された潜在空間上の内在空間の不整合を測定する。
論文 参考訳(メタデータ) (2022-05-26T06:36:06Z) - Hyperspectral Image Classification With Contrastive Graph Convolutional
Network [38.43072371303967]
スペクトル情報と空間関係の両方に含まれる監視信号を調べるために,比較学習を伴うグラフ畳み込みネットワーク(GCN)モデルを提案する。
4つの典型的なベンチマークデータセットの実験結果は、定性的および定量的両面において提案したConGCNの有効性を確証している。
論文 参考訳(メタデータ) (2022-05-11T12:06:37Z) - IGAN: Inferent and Generative Adversarial Networks [0.0]
IGANは複雑な高次元データ分布における生成モデルと推論モデルの両方を学習する。
画像と潜伏空間の両方で敵の戦略を書き換えることで、従来のGANフレームワークを推論で拡張する。
論文 参考訳(メタデータ) (2021-09-27T21:48:35Z) - An Adversarial Human Pose Estimation Network Injected with Graph
Structure [75.08618278188209]
本稿では,いくつかの関節が見えない場合に,可視関節の局所化精度を向上させるために,新しいGAN(Generative Adversarial Network)を設計する。
ネットワークは、2つのシンプルで効率的なモジュール、カスケード機能ネットワーク(CFN)とグラフ構造ネットワーク(GSN)で構成されています。
論文 参考訳(メタデータ) (2021-03-29T12:07:08Z) - Distance-aware Molecule Graph Attention Network for Drug-Target Binding
Affinity Prediction [54.93890176891602]
薬物標的結合親和性予測に適したDiStance-aware Molecule graph Attention Network (S-MAN)を提案する。
そこで,我々はまず,構築したポケットリガンドグラフに位相構造と空間位置情報を統合する位置符号化機構を提案する。
また,エッジレベルアグリゲーションとノードレベルアグリゲーションを有するエッジノード階層的アグリゲーション構造を提案する。
論文 参考訳(メタデータ) (2020-12-17T17:44:01Z)
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。