DengueNet: Dengue Prediction using Spatiotemporal Satellite Imagery for Resource-Limited Countries

要約

デング熱は、衛生インフラが不十分な発展途上国において大きな課題となっています。
包括的な医療システムの欠如はデング熱感染症の重症度を悪化させ、生命を脅かす状況につながる可能性があります。
情報交換と統合が限られているため、デング熱の流行への迅速な対応も困難です。
デング熱の発生をタイムリーに予測すれば、そのような発生を防ぐ可能性がありますが、デング熱予測研究の大部分は主にデータに依存しており、収集のために各国に多大な負担を強いています。
この研究での私たちの目的は、非伝統的で容易にアクセスできるデータソースとしての高解像度衛星画像の有効性を調査することにより、資源に制約のある国における健康の公平性を改善することです。
公的に利用可能で簡単に入手できる豊富な衛星画像を活用することで、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供します。
さらに、衛星画像から時空間特徴を抽出して統合するために、ビジョン トランスフォーマー、ラジオミクス、長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デングネットを紹介します。
これにより、週ごとのデング熱予測が可能になります。
提案手法の有効性を評価するために、コロンビアの 5 つの自治体で実験を実施しました。
私たちは、トレーニングと評価のために 780 枚の高解像度 Sentinel-2 衛星画像で構成されるデータセットを利用しました。
デング熱ネットのパフォーマンスは、平均絶対誤差 (MAE) メトリクスを使用して評価されました。
5 つの自治体全体で、DengueNet は平均 MAE 43.92 を達成しました。
私たちの調査結果は、特に手動で収集されたデータが不足し、デング熱ウイルスの蔓延が深刻な国の公衆衛生政策に情報を提供する際に、デング熱予測のための貴重なリソースとして衛星画像が有効であることを強く裏付けています。

要約(オリジナル)

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.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google