Jan, 2024

DengueNet: 利用时空卫星影像预测资源有限国家的登革热

PDF
TL;DR通过利用高分辨率卫星图像作为非传统且易获取的数据源，结合 Vision Transformer、Radiomics 和长短时记忆等创新方法进行提取和整合，本研究旨在提高资源有限的国家的卫生公平性，实现对登革热的周流行趋势的预测，并发现卫星图像在缺乏手动收集数据且登革病毒流行严重的国家对登革热预测方面的有效性。
dengue feverhealthcare systemssatellite imagerydenguenetdengue prediction
发现论文，激发创造
  • 用于改善媒介传播疾病预测的深层景观特征

    此研究探讨了卫星图像中的景观特征在感染病预测模型中的应用，通过采用卷积神经网络从卫星数据中提取并标记的景观特征，结合巴基斯坦的登革热病例数据与 SIR 疫情模型，发现卫星图像中的景观特征能够显著提高疾病爆发的预测能力，对主动和战略性的监测和控制计划非常重要。

    Apr, 2019

  • 新加坡登革热预测的机器学习模型

    通过使用传统的状态空间模型、监督学习技术和深度网络，结合气象数据和搜索引擎趋势作为特征，本研究对新加坡每周登革热病例进行了预测，发现使用卷积神经网络能够以最低的 RMSE 预测 2019 年的每周病例。

    Jun, 2024

  • 利用气象和昆虫学数据增强泰米尔纳德邦登革热疫情预测

    本文研究了气候数据和蚊媒婴幼虫指数对登革热爆发的影响。通过对各种 LSTM 模型进行比较研究，选择双向堆叠 LSTM 网络分析了印度泰米尔纳德邦 2014 年至 2020 年期间收集的时序气候数据和健康数据。将蚊子幼虫指数纳入模型可以显著提高模型的预测准确性，其是指示蚊媒病控制措施的重要指标。

    Jun, 2023

  • 气候适应：从不平衡卫星数据中可靠地预测

    本文研究了如何处理在应用深度学习技术识别危机管理时，数据高度不平衡的情况，探讨了多种技术并提出了一套综合方法，旨在提高少数类别分类的性能和模型可靠性。

    Apr, 2020

  • EarthNet2021: 一个大规模数据集和挑战问题，用于作为引导视频预测任务的地表预测

    通过预测与未来天气相关的卫星图像，借助大规模数据集和深度神经网络模型进行天气预测，从而有助于农作物产量预测、森林健康评估或生物多样性监测等下游应用。

    Apr, 2021

  • 利用卫星影像与 GPS 轨迹进行新数据来源的事件检测

    利用卫星图像和隐私增强的移动数据相结合的新型数据融合方法，用于增强实时或历史事件推断任务，应用场景包括农村地区的小规模灾害检测（如龙卷风、野火和洪水）、偏远荒野地区失踪徒步者的搜救以及战乱国家的活动冲突区域和人口流离失所地的识别。

    Jan, 2024

  • 多时间段城市发展 SpaceNet 数据集

    本研究基于多元时间城市发展卫星数据集 (MUDS)，利用计算机视觉技术和时间序列分析方法来跟踪建筑物，评估城市化和人造或自然灾害的进程。

    Feb, 2021

  • 气候和海洋影响下的登革热预测的 FWin Transformer

    使用新开发的深度神经网络模型，通过局部和全球气候特征，发展了一种长期预测登革热病例的方法，其中基于傅里叶混合窗口注意力的 Transformer 模型在 60 周的长期登革热预测中表现最佳。

    Mar, 2024

  • 从卫星图像到灾难洞察

    本研究提出了一种卷积神经网络的框架来进行基于卫星图像的变化检测，通过阈值化和划分网格来找到灾害影响最严重的区域，并使用新的灾害影响指数（DII）来衡量自然灾害的影响。在应用于飓风哈维和圣塔罗莎大火数据集时，框架的 F1 分数分别为 81.2％和 83.5％。

    Dec, 2018

  • 利用卫星探测病毒：通过图神经网络模拟 West Nile 病毒的传播

    提出一种利用深度神经网络（DNNs）和图神经网络（GNN）预测西尼罗河病毒（WNV）流行的方法，实验结果表明该方法与地面真实观测相结合能更好地预测 WNV 的流行，并且考虑到了时间和地理位置特征。

    Sep, 2022