人工神经网络驱动的埃博拉传播动态的建模,延迟和残疾的结果
Kamel Guedri1, Rahat Zarin2, Mowffaq Oreijah3
1Mechanical Engineering Department, College of Engineering and Architecture, Umm Al-Qura University, P.O. Box 5555, Makkah 21955, Saudi Arabia.
Computational biology and chemistry
|January 18, 2025
概括
这项研究引入了一个人工神经网络 (ANN) 模型来追踪埃博拉病毒疾病 (EVD) 的传播和长期残疾. 该ANN框架提供了一个计算效率高的替代方案,用于建模复杂的疾病动态和幸存者的结果.
科学领域:
- 流行病学 流行病学
- 计算生物学 计算生物学
- 人工智能的人工智能
背景情况:
- 埃博拉病毒病 (EVD) 给公共卫生带来了重大挑战,需要准确的传播动态模型.
- 现有的模型经常难以捕捉长期残疾结果和复杂的疾病进展,包括埃博拉后综合征.
- 人工神经网络 (ANN) 的集成为增强流行病建模能力提供了一种新的方法.
研究的目的:
- 开发和验证基于ANN的框架,用于建模埃博拉病毒疾病 (EVD) 传播动态.
- 将残疾组合纳入模型,以捕捉EVD幸存者的长期健康并发症.
- 在流行病建模中为延迟微分方程 (DDE) 提供了传统的数值解法器的计算效率高,准确的替代方案.
主要方法:
- 开发一个ANN框架,将决定性SEIR模型扩展到残疾组,并纳入延迟.
- 在通过Runge-Kutta方法生成的数据上使用Levenberg-Marquardt反向传播 (LMB) 算法来训练ANN,以解决DDEs.
- 将人口分为流行病学状态的分层,并检查基本模型属性 (积极性,边界性,稳定性).
主要成果:
- 该ANN模型展示了可靠的预测与最小的绝对误差,利用85%的培训,10%的验证和5%的测试数据.
- 与传统方法相比,对比分析证实了基于ANN的解决方案在处理复杂的延迟集成系统方面的优势.
- 该模型成功地捕获了埃博拉病毒疾病的短期传播动态和长期残疾结果.
结论:
- 在流行病建模中,ANN方法非常有效,为疾病动态和长期影响提供了宝贵的见解.
- 拟议的框架为规划医疗干预和优化EVD幸存者康复资源配置提供了一个强大的工具.
- 这项研究有助于开发全面的模型来管理具有持久健康后果的传染病.
更多相关视频
09:18Modelling Zika Virus Infection of the Developing Human Brain In Vitro Using Stem Cell Derived Cerebral Organoids
Published on: September 19, 2017
10.5K
12:21A Mouse Model for the Transition of Streptococcus pneumoniae from Colonizer to Pathogen upon Viral Co-Infection Recapitulates Age-Exacerbated Illness
Published on: September 28, 2022
2.3K
