相关实验视频
Updated: Jul 2, 2025
10:05
High-throughput Detection Method for Influenza Virus
Published on: February 4, 2012
26.2K
使用国家流感监测数据和百度查询数据预测类似流感的疾病
Su Wei1, Sun Lin2, Zhao Wenjing3
1School of Management Science and Engineering, Shandong University of Finance and Economics, Jinan, Shandong, 250014, People's Republic of China. 20055366@sdufe.edu.cn.
BMC public health
|February 18, 2024
概括
通过使用百度搜索数据和长短期记忆神经网络 (LSTM) 模型,预测流感流行病得到了改进. 这种方法提高了呼吸道感染的预测准确度.
科学领域:
- 流行病学 流行病学
- 计算生物学 计算生物学
- 公共卫生信息学 公共卫生信息学
背景情况:
- 季节性流感和呼吸道感染对公众健康构成重大挑战.
- 互联网搜索数据为预测流行病爆发提供了宝贵的资源.
- 优化数据选择和预测方法对于提高预测准确度至关重要.
研究的目的:
- 使用长期短期记忆神经网络 (LSTM) 模型预测流感流行病.
- 为了利用百度搜索索引数据和流感类疾病 (ILI) 率进行增强的预测.
主要方法:
- 收集了中国大陆北部和南部 (2018-2021) 的每周LI%数据和百度搜索索引.
- 采用皮尔森相关性分析来确定搜索查询和ILI%之间的关联.
- 利用LSTM模型预测流感流行病,评估MSE,RMSE和MAE的表现.
主要成果:
- 确定了24个相关的搜索查询在中国北部和7个在中国南部的LSTM模型建设.
- 该LSTM模型表现出强大的预测能力,LI% + 面罩 (1 周延迟) 和LI% + 流感名称显示RMSE减少.
- 实现了分别为中国北部和南部的16.75%和4.20%的减少RMSE预测.
结论:
- 互联网搜索索引数据是流感预测的可行补充来源.
- 该LSTM模型在预测流感流行病方面表现出了效率.
- 这种综合方法提高了对呼吸道疾病的公共卫生监测的准确性和及时性.
