一种基于MaxEnt的传染病风险区域预测方法及系统技术方案

本发明专利技术公开的一种基于MaxEnt的传染病风险区域预测方法及系统，包括：获取待评估地区的环境变量数据、病例分布点和各病例分布点的病例数量；根据待评估地区的环境变量数据、病例分布点和各病例分布点的病例数量，采用MaxEnt构建传染病风险区域预测模型，并输出待评估地区传染病病例分布的预测结果。实现了对传染病风险区域的准确预测。传染病风险区域的准确预测。传染病风险区域的准确预测。

【技术实现步骤摘要】
一种基于MaxEnt的传染病风险区域预测方法及系统


[0001]本专利技术涉及传染病风险区域预测
，尤其涉及一种基于MaxEnt的传染病风险区域预测方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]发热伴血小板减少综合征(Severe fever with thrombocytopenia syndrome,SFTS)是由新型布尼亚病毒(Severe fever with thrombocytopenia syndrome Virus,SFTSV)引起的新发蜱媒传染病，蜱对人传播是人感染SFTSV的主要途径。
[0004]作为一种新发传染病，SFTS在病原学、流行病学特征等方面已经有了丰富的调查和研究，但缺少更广泛的环境影响因素的探索，进而使得对SFTSV引起的传染病风险区域的预测不准确。

技术实现思路

[0005]本专利技术为了解决上述问题，提出了一种基于MaxEnt的传染病风险区域预测方法及系统，在进行传染病风险区域预测时，考虑了各环境因素，提高了传染病风险区域预测的准确性。
[0006]为实现上述目的，本专利技术采用如下技术方案：
[0007]第一方面，提出了一种基于MaxEnt的传染病风险区域预测方法，包括：
[0008]获取待评估地区的环境变量数据、病例分布点和各病例分布点的病例数量；
[0009]根据待评估地区的环境变量数据、病例分布点和各病例分布点的病例数量，采用MaxEnt构建传染病风险区域预测模型，并输出待评估地区传染病病例分布的预测结果。
[0010]第二方面，提出了一种基于MaxEnt的传染病风险区域预测系统，包括：
[0011]数据获取模块，用于获取待评估地区的环境变量数据、病例分布点和各病例分布点的病例数量；
[0012]传染病病例分布预测模块，用于根据待评估地区的环境变量数据、病例分布点和各病例分布点的病例数量，采用MaxEnt构建传染病风险区域预测模型，并输出待评估地区传染病病例分布的预测结果。
[0013]第三方面，提出了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成一种基于MaxEnt的传染病风险区域预测方法所述的步骤。
[0014]第四方面，提出了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成一种基于MaxEnt的传染病风险区域预测方法所述的步骤。
[0015]与现有技术相比，本专利技术的有益效果为：
[0016]1、本专利技术在进行传染病风险区域预测时，考虑了各环境因素对传染病的影响，提
高了传染病风险区域预测的准确性。
[0017]本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0018]构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
[0019]图1为实施例1公开方法的流程图；
[0020]图2为实施例1通过刀切法获得的每个环境变量对传染病的贡献率；
[0021]图3为实施例1获取的环境变量影响曲线；
[0022]图4为实施例1获取的ROC曲线。
具体实施方式
[0023]下面结合附图与实施例对本专利技术作进一步说明。
[0024]应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。
[0025]实施例1
[0026]发热伴血小板减少综合征(Severe fever with thrombocytopenia syndrome,SFTS)是由新型布尼亚病毒(Severe fever with thrombocytopenia syndrome Virus,SFTSV)引起的新发蜱媒传染病。蜱对人传播是人感染SFTSV的主要途径。作为一种新发传染病，SFTS在病原学、流行病学特征等方面已经有了丰富的调查和研究，但缺少更广泛的环境影响因素的探索。生态位模型(Ecological niche model,ENM)是基于已知的物种和环境资料构建的以生境为基础的潜在物种分布模型，打破了行政区划限制，可探索疾病发生与传播的生态需求，预测疾病在区域内的传播风险，目前已广泛应用于鼠疫、出血热、疟疾等各种传染病。本实施例基于MaxEnt探索了SFTS病例分布与环境变量之间的关系，揭示影响其分布的主导环境因子，识别其在某一地区的潜在高风险区域，为该病的防控工作提供建议。
[0027]在本实施例中公开了一种基于MaxEnt的传染病风险区域预测方法，包括：
[0028]S1：获取待评估地区的环境变量数据、病例分布点和各病例分布点的病例数量。
[0029]其中，获取的病例分布点包括病例分布点的经纬度坐标。
[0030]获取的环境变量数据包括：年平均温度、年累计降水量、年相对湿度、年平均风速、日照时数、海拔、坡度、坡向、年度归一化植被指数、植被类型、土地利用、国内生产总值、人口密度和夜间灯光数据。
[0031]S2：根据待评估地区的环境变量数据、病例分布点和各病例分布点的病例数量，采用MaxEnt构建传染病风险区域预测模型，并输出待评估地区传染病病例分布的预测结果。
[0032]其中，传染病风险区域预测模型，通过Maximum Entropy Species Distribution Modeling,Version 3.4.1软件实现，输入已知的病例分布点的经纬度坐标、对应的病例数量和待评估地区的环境变量，该模型会基于最大熵原理，在满足已知约束的条件下，选择熵最大的设置进行模拟，最终推算出该病未来的潜在风险区域，输出待评估地区传染病病例
分布的预测结果。
[0033]在构建传染病风险区域预测模型时，对环境变量进行预处理，生成具有统一分辨率和地理范围的栅格数据。
[0034]根据环境变量间的相关性对环境变量进行筛选，对于相关性大于设定值的环境变量，只选择其中的一个环境变量进行传染病风险区域预测模型的构建。
[0035]本实施例构建传染病风险区域预测模型所采用的环境变量数据及来源见表1。
[0036]表1环境变量数据及来源
[0037][0038][0039]为满足MaxEnt软件数据格式要求，利用ArcGIS10.6.1对环境因素数据做以下预处理：采用克里金插值法为各气象变量生成1km*1km分辨率栅格图层；根据海拔计算坡向、坡度栅格数据；对土地利用、植被类型分类数据进行重分类。所有栅格数据进行重采样为1km*1km像素分辨率，并以待评估地区地图为掩膜进行提取，获得一致的分辨率和地理范围的栅格数据。
...

【技术保护点】

【技术特征摘要】
1.一种基于MaxEnt的传染病风险区域预测方法，其特征在于，包括：获取待评估地区的环境变量数据、病例分布点和各病例分布点的病例数量；根据待评估地区的环境变量数据、病例分布点和各病例分布点的病例数量，采用MaxEnt构建传染病风险区域预测模型，并输出待评估地区传染病病例分布的预测结果。2.如权利要求1所述的一种基于MaxEnt的传染病风险区域预测方法，其特征在于，获取的环境变量数据包括：年平均温度、年累计降水量、年相对湿度、年平均风速、日照时数、海拔、坡度、坡向、年度归一化植被指数、植被类型、土地利用、国内生产总值、人口密度和夜间灯光数据。3.如权利要求1所述的一种基于MaxEnt的传染病风险区域预测方法，其特征在于，坡度、日照时数、年累计降水量、年相对湿度和年平均风速是SFTS发生的重要影响因素。4.如权利要求1所述的一种基于MaxEnt的传染病风险区域预测方法，其特征在于，通过刀切法计算每个环境变量对传染病的贡献率。5.如权利要求1所述的一种基于MaxEnt的传染病风险区域预测方法，其特征在于，根据环境变量间的相关性对环境变量进行筛选，对于相关性大于设定值的环境变量，只选择其中的一个环境变量进行传染病风险区域预测模型的构建。6.如权利要求1所述的一种基于MaxEnt的传染病风险区域预...

【专利技术属性】
技术研发人员：李秀君，韩璐怿，
申请(专利权)人：山东大学，
类型：发明
国别省市：