发布时间：2024-04-17 15:33:11 栏目：精选百科
研究人员使用谷歌街景来研究建筑环境的数百个元素，包括建筑物、绿地、人行道和道路，以及这些元素如何相互关联以及如何影响居住在这些社区的人们的冠状动脉疾病。
他们今天(星期四)发表在《欧洲心脏杂志》 [1] 上的研究结果表明，这些因素可以预测一个地区与另一个地区之间 63% 的冠心病风险差异。
冠心病是冠状动脉中脂肪物质的积聚中断心脏的血液供应，是最常见的心血管疾病之一。
研究人员表示，使用谷歌街景可以帮助提供建筑和自然环境中物理环境风险因素的概述，这不仅有助于了解这些环境中的风险因素，而且最终有助于建设或改造城镇，使它们变得更健康居住的地方。
该研究由美国俄亥俄州哈灵顿大学医院心脏血管研究所和凯斯西储大学的 Sadeer Al-Kindi 教授和 Sanjay Rajagopalan 教授以及 Rajagopalan 教授实验室的博士后陈卓博士领导。 。
Rajagopalan 教授说：“我们一直对环境(包括建筑环境和自然环境)如何影响心血管疾病感兴趣。在美国，他们说邮政编码比个人健康指标更能预测心脏病。然而，调查环境如何影响多个城市的大量人口并非易事。因此，我们使用基于机器视觉的方法来评估美国城市的建筑环境与冠心病患病率之间的联系。”
该研究包括超过 50 万张密歇根州底特律的谷歌街景图像;密苏里州堪萨斯城;俄亥俄州克利夫兰;德克萨斯州布朗斯维尔;加利福尼亚州弗里蒙特;华盛顿州贝尔维尤;和科罗拉多州丹佛市。研究人员还根据“人口普查区”收集了冠心病发病率的数据。这些区域比美国邮政编码还要小，平均居住着 4,000 人。研究人员使用了一种称为卷积神经网络的方法;一种人工智能，可以识别和分析图像中的模式以做出预测。
研究表明，谷歌街景图像上可见的建筑环境特征可以预测美国城市这些小区域之间 63% 的冠心病差异。
Al-Kindi 教授补充道：“我们还使用了一种称为注意力映射的方法，它突出显示了图像中的一些重要区域，从而对冠心病中可能重要的数千个特征中的一些进行半定性解释。 。例如，绿地和步行道路等特征与较低风险相关，而其他特征(例如铺砌不良的道路)与较高风险相关。然而，这些发现需要进一步调查。
“我们已经证明，我们可以使用计算机视觉方法来帮助识别影响心血管风险的环境因素，这可以在指导心脏健康的城市规划中发挥作用。事实上，我们能够大规模地做到这一点对于城市规划来说绝对是独特且重要的。”
“随着气候变化和人口结构变化等即将到来的挑战，世界上近 70% 的人口将生活在城市环境中，迫切需要使用计算机视觉方法大规模地了解城市环境，这些方法可以在无与伦比的水平，”拉贾戈帕兰教授说。
[2] 美国耶鲁大学医学院的 Rohan Khera 博士在随附的社论中表示：“居住地点与结果的关联通常取代了已知的生物风险因素。这通常可以用以下表述来概括：一个人的邮政编码比其遗传密码更能决定其健康。然而，我们对环境风险因素进行适当分类的能力依赖于跟踪财富、污染和社区资源的人口调查。
“陈及其同事的研究对建筑环境提出了新颖且更全面的评估。这项工作创造性地利用了谷歌的全景街景图像，作为其广泛使用的地图应用程序的补充。
“......研究物理环境及其与心血管健康的关系的人工智能增强方法强调，在我们的社区中，心血管健康的衡量标准仅强烈编码在我们社区的视觉外观中。明智地使用这些信息至关重要，无论是确定弱势社区的战略优先事项，还是加倍努力改善最需要的社区的心血管健康。”
免责声明：本文由用户上传，如有侵权请联系删除！
