Оценка показателей здоровья населения по спутниковым снимкам

Во всем мире сбор данных о здоровье населения осуществляется с помощью опросов и требует большого количества как временных, так и денежных затрат. Множество исследований свидетельствуют о том, что городская среда влияет на здоровье населения. В месте с этим спутниковые могут служить индикатором особенностей искусственной среды. В данном исследовании был предложен подход для оценки показателей здоровья населения на основе спутниковых снимков, состоящий из двух этапов: извлечение особенностей искусственной среды из спутниковых снимков с помощью сверточных архитектур нейронных сетей, использование полученных представлений для оценки показателей здоровья населения с помощью регрессионных моделей. В качестве показателей здоровья населения выступали распространенность физической неактивности населения и уровень психического неблагополучия в США. Спутниковые снимки были собраны с помощью Google Maps Static API. В качестве архитектур сверточных нейронных сетей выступали предварительно обученные модели ResNet50, VGG16, VGG19 и InceptionV3, а также сверточный шумоподавляющий автокодировщик. Для решения регрессионной задачи использовались модели градиентного бустинга XGBoost и LightGBM и регрессия Лассо. Был сделан вывод о том, что использование спутниковых снимков для оценки показателей здоровья населения с помощью методов машинного обучения позволяет получить результаты, сопоставимые с традиционными методами оценки.