論文の概要: Unsupervised Consensus-Based Anomaly Detection for Spatiotemporal Malaria Incidence in Ghana

• arxiv url: http://arxiv.org/abs/2607.21559v1
• Date: Thu, 23 Jul 2026 17:40:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-24 18:26:25.507627
• Title: Unsupervised Consensus-Based Anomaly Detection for Spatiotemporal Malaria Incidence in Ghana
• Title（参考訳）: ガーナにおける時空間マラリア発生の教師なしコンセンサスによる異常検出
• Abstract要約: ガーナの月次マラリア監視データにコンセンサス異常検出フレームワークを適用した。 アシャンティ地方と北部地域は、タマル、クマシ、アクラで持続的なホットスポットを持つ、最も頻繁な異常の原因となっている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A consensus anomaly detection framework was applied to monthly malaria surveillance data from Ghana (2014-2023) to identify atypical transmission patterns. Anomalies were highly structured in space and time. Ashanti and Northern Regions accounted for most recurrent anomalies, with persistent hotspots at Tamale, Kumasi, and Accra. A key finding was the spatial distinction between anomaly burden (cumulative cases during anomalous periods) and anomaly frequency (persistence of unusual behaviour). Tamale had the highest burden during anomalies, whereas the highest anomaly rates clustered in Ashanti districts, showing that high-burden areas are not necessarily those with the most frequent anomalous transmission. Anomalous months formed a statistically distinct group, with much higher case counts (Cohen's $d = 3.252$) and large seasonal deviations ($d > 1.2$) compared with normal months. Malaria burden alone provides an incomplete picture of transmission dynamics. By distinguishing where malaria is most prevalent from where transmission behaves most unusually, this framework can strengthen surveillance, prioritise investigations, and support targeted control strategies.
• Abstract（参考訳）: ガーナ(2014-2023)の月間マラリア監視データにコンセンサス異常検出フレームワークを適用し,非定型的な感染パターンを同定した。 異常は空間と時間で高度に構造化された。 アシャンティ地方と北部地域は、タマル、クマシ、アクラで持続的なホットスポットを持つ、最も頻繁な異常の原因となっている。 重要な発見は、異常負荷(異常期間の累積ケース)と異常頻度(異常行動の持続)の空間的区別であった。 タモールは異常時に最も重荷を負ったが、アシャンティ地区では最も高い異常率を示し、高いバーデン地域は必ずしも最も頻繁な異常な感染率を有するものではなかった。 異常な月は統計学的に異なるグループを形成し、通常の月に比べてケースカウントがはるかに高く(コーエンの$d = 3.252$)、季節差が大きな(d > 1.2$)。 マラリアの負担だけでは、伝達ダイナミクスの完全な図が得られない。 この枠組みは、マラリアが最も多い場所と、最も異常に振る舞う場所を区別することにより、監視を強化し、調査を優先し、標的とする制御戦略を支援することができる。

関連論文リスト

• Unsupervised Detection of Groundwater Storage Anomalies in Ghana Using GRACE Satellite Data [1.1661238776379117]
  2004-2024年のGRACEデータを用いた地下水貯留異常について検討した。 その結果,2004～2009年は地下水不足が持続し,2018年以降は正の異常が増加した。
  論文  参考訳（メタデータ） (2026-08-10T21:10:51Z)
• Bayesian Inference of Nonlinear Malaria Dynamics in Ghana via an Ensemble Markov Chain Monte Carlo Sampler [0.0]
  本研究では,アフィン・イン・アンサンブル・チェイン・モンテカルロサンプリング器を用いて推定した減衰振動核と立方体基底線を統合する非線形推論フレームワークを開発した。 5歳未満の子供と5歳以上の個人に対する確率予測を生成する。 2024-2026年の予測:5歳未満の小児137,000人から149,000人、高齢者348,000人から375,000人。
  論文  参考訳（メタデータ） (2026-05-30T16:02:56Z)
• KKA: Improving Vision Anomaly Detection through Anomaly-related Knowledge from Large Language Models [54.63075553088399]
  Key Knowledge Augmentation (KKA)は,大規模言語モデル(LLM)から異常関連知識を抽出する手法である。 KKAは、生成した異常を、通常のサンプルと類似性に応じて、容易な異常と硬い異常と分類する。 実験の結果,提案手法は様々な視覚異常検出器の性能を著しく向上させることがわかった。
  論文  参考訳（メタデータ） (2025-02-14T07:46:49Z)
• Prototypical Residual Networks for Anomaly Detection and Localization [80.5730594002466]
  本稿では,PRN(Prototypeal Residual Network)というフレームワークを提案する。 PRNは、異常領域の分割マップを正確に再構築するために、異常領域と正常パターンの間の様々なスケールとサイズの特徴的残差を学習する。 異常を拡大・多様化するために,見かけの相違と外観の相違を考慮に入れた様々な異常発生戦略を提示する。
  論文  参考訳（メタデータ） (2022-12-05T05:03:46Z)
• Are we certain it's anomalous? [57.729669157989235]
  時系列における異常検出は、高度に非線形な時間的相関のため、異常は稀であるため、複雑なタスクである。 本稿では,異常検出(HypAD)におけるハイパボリック不確実性の新しい利用法を提案する。 HypADは自己指導で入力信号を再構築する。
  論文  参考訳（メタデータ） (2022-11-16T21:31:39Z)
• Catching Both Gray and Black Swans: Open-set Supervised Anomaly Detection [90.32910087103744]
  ラベル付き異常な例は、多くの現実世界のアプリケーションでよく見られる。 これらの異常例は、アプリケーション固有の異常について貴重な知識を提供する。 トレーニング中に見られる異常は、可能なあらゆる種類の異常を説明できないことが多い。 本稿では,オープンセット型教師付き異常検出に取り組む。
  論文  参考訳（メタデータ） (2022-03-28T05:21:37Z)
• Explainable Deep Few-shot Anomaly Detection with Deviation Networks [123.46611927225963]
  本稿では,弱い教師付き異常検出フレームワークを導入し,検出モデルを訓練する。 提案手法は,ラベル付き異常と事前確率を活用することにより,識別正規性を学習する。 我々のモデルはサンプル効率が高く頑健であり、クローズドセットとオープンセットの両方の設定において最先端の競合手法よりもはるかに優れている。
  論文  参考訳（メタデータ） (2021-08-01T14:33:17Z)
• Ensemble Forecasting of the Zika Space-TimeSpread with Topological Data Analysis [13.838100337224075]
  ジカウイルスは、主にAedes aegyptiとAedes albopictusの蚊に噛まれて伝染する。 その結果、ジカウイルス感染の頻度は、降水量、高温、人口密度の高い地域では一般的である。 累積ベティ数の概念を導入し,その累積ベティ数をトポロジカル記述子として3つの機械学習モデルに統合する。
  論文  参考訳（メタデータ） (2020-09-24T16:42:19Z)
• Deep Weakly-supervised Anomaly Detection [118.55172352231381]
  ペアワイズ関係予測ネットワーク(PReNet)は、ペアワイズ関係の特徴と異常スコアを学習する。 PReNetは、学習したペアの異常パターンに適合する見知らぬ異常を検出できる。 12の実世界のデータセットに対する実証的な結果から、PReNetは目に見えない異常や異常を検知する9つの競合する手法を著しく上回っている。
  論文  参考訳（メタデータ） (2019-10-30T00:40:25Z)

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。