基于深度學習的新型冠狀病毒的防護措施研究*

王亦瑤 ， 韋 怡 ， 關軍龍 ， 陳欣宇

（江西科技學院，江西 南昌 330200）

根據過去大量監(jiān)測數據報告可知，伴隨全球氣候的巨大變化，多種極端天氣出現的頻率及強度越來越高。聯(lián)合國政府間氣候變化專門委員會（Intergovernmental Panel on Climate Change，IPCC）曾指出，未來氣候變化的模擬結果提示人們極端天氣的出現會加劇傳染疾病的頻發(fā)[1]，而伴隨著病例數的上升，有理由認為天氣、降水等環(huán)境氣候因素會影響新型冠狀病毒的傳播趨勢[2]。并且，世界各地區(qū)在冬季寒潮效應期間[3]，因居住環(huán)境溫度低導致病毒的傳播概率增加，加上有的地區(qū)因醫(yī)療落后等各種原因導致傳染病的傳播和擴散。而作為現階段殺傷力最強的傳染性疾病——新型冠狀病毒肺炎，它的防控和治療是目前全球公共衛(wèi)生領域關注的焦點。但遺憾的是，由于分析方法和所得數據的限制，迄今為止仍沒有強有力的流行病學數據，來證明氣候環(huán)境對新型冠狀病毒肺炎的發(fā)病和傳播有相關影響[4]。因此，本研究重點對新型冠狀病毒與氣候特征的關系及其在環(huán)境傳人下的防護措施展開探索，并基于深度學習、圖像處理和神經網絡等技術[5]，構建VGG模型對氣候變化導致的新冠肺炎發(fā)病和傳播風險進行分析預測，同時根據風險預測結果，結合實際情況，提出關于在環(huán)境傳人背景下新型冠狀肺炎防控的有關建議。

1 基于深度學習的VGG模型

1.1 深度學習算法

深度學習是目前機器學習領域的研究熱點，其中深度卷積神經網絡是近年來發(fā)展最為迅速的計算機視覺技術，被廣泛應用于醫(yī)學圖像分析中[6-13]。而基于深度學習的VGG模型是Oxford的Visual Geometry Group組織提出的，該網絡的相關工作是在ILSVRC 2014上進行的。其主要內容是證明增加網絡的深度，能夠在一定程度上影響網絡最終的性能。如圖1所示，VGG16是由卷積層、池化層、全連接層等組成。本研究主要通過建立深度學習VGG模型，從生產的影像數據中自動分割出目標參數，并提取其可能存在的影響新型冠狀病毒傳播的氣候特征。

圖1 VGG輸入輸出網絡結構

1.2 構建VGG模型

流行病學與計算機科學兩門學科的結合，體現出大數據與人工智能時代的到來以及無行業(yè)不AI的思想。同時通過結合今年新興起的深度學習方面的相關知識，建立模型對大量天氣數據進行訓練，從而得出一定的規(guī)律與預測概率，其中主要運用到的是卷積層中卷積的概念。

卷積的定義：我們稱(f*g)(n)為f、g的卷積。其具體公式如下。

其連續(xù)的定義為：

其離散的定義為：

VGG16模型中使用了卷積神經網絡的方向傳播算法，如圖2所示。反向傳播算法公式：

圖2 卷積神經網絡的方向傳播算法

其中，n_inn_in為上一隱藏層的輸入子矩陣個數。注意到zl和zl?1zl?1的關系為：

因此，可以得出：

反向傳播通過損失函數計算輸出層的δl，然后L通過三種不同的情況進行反向傳播算法計算，如果當前是全連接層則有：

如果當前是卷積層則有：

如果當前是池化層則有：

這里的pool指按照池化區(qū)域大小k和池化標準將輸入張量縮小的過程。如果所有W，bW，b的變化值都小于停止迭代閾值??，則跳出迭代循環(huán)輸出各隱藏層與輸出層的線性關系系數矩陣WW和偏移向量b。VGG模型的反向傳播在一定程度上提高了模型的準確率。

2 氣候數據的分析及防疫建議

2.1 氣候數據的來源

基于鐘南山院士所提出的環(huán)境傳人的新觀點，本文旨在研究天氣氣候特征的變化與環(huán)境傳人的關系。而研究氣象環(huán)境因素對新型冠狀病毒的影響至少要獲得三類數據，即氣象數據、疾病數據及人口統(tǒng)計學數據。因相關數據來源不同導致可靠性的不統(tǒng)一，所以本文采用來自中國疾病預防控制中心、公共衛(wèi)生科學數據中心、法定報告?zhèn)魅静”O(jiān)測系統(tǒng)的疾病數據。它們均是由中國疾病預防控制中心于2004年開始成立并運行的，至今為止報告的準確性已經接近100%。此外，氣象數據來源于中國氣象數據共享服務系統(tǒng)，可獲得全國752個站點的氣象信息。人口數據來自中國公共衛(wèi)生科學數據中心。所以可以認為本研究所用的疾病數據、氣象數據、人口數據的來源均具有科學性和可信性。

本研究以江西省贛州市為例，其數據分析的時間為2019年12月至2020年12月，時間尺度為月數據。其中，從當地的衛(wèi)生行政部門獲取疾病數據；從中國氣象數據網獲取該市的當前時間段氣象數據及未來時間段的氣象預估數據；從中國疾病預防控制中心、公共衛(wèi)生科學數據中心獲取當前時間段的人口資料并基于WHO公布的中國未來的人口增長率，同時結合當前時間段的人口數來預估研究區(qū)域的暴露人口數，這些數據的來源很大程度上是可信的。

2.2 氣候特征的研究

通過對全國天氣分布情況圖的分析，進而獲取贛州市1年的氣溫變化、氣候分布及風向分布情況，高溫對新型冠狀病毒的傳播和活性存在明顯的抑制作用。同時對所得到的數據進行相關性分析，得知新型冠狀病毒的病例數與平均氣溫、平均相對濕度、平均氣候分布和平均風速成負相關。本研究以贛州市為例把其2020年的病例數（Y）作為因變量，將平均氣溫（X1）、平均相對濕度（X2）、平均氣候分布（X3）、平均降水量（X4）和平均風速（X5）作為自變量，選擇多元逐步回歸法進行處理來進一步得出各氣候對病毒的影響，如表1所示。結果表明：X2、X4和X5選入方程。方程為：

表1 新冠病毒病例與氣象特征的相關性表

2.3 新型冠狀病毒肺炎防疫建議

1）贛州市的1月至4月為年氣溫最低時期，新冠病毒在該階段得到了極有利的傳播條件，普通的天氣溫度或是空調暖氣制熱無法達到高溫消除病毒的效果，且在這一階段該市平均相對濕度（X2）較高，故而當Y>10時，表明在這一階段各防疫部門應時刻保持緊急狀態(tài)并嚴格控制人流聚集，同時呼吁各家各戶保持家居環(huán)境的干燥以減少新冠病毒的傳播。而對于外地人員必須建立體溫檢測、發(fā)熱咳嗽等異常情況報告、應急處置等防控制度。市區(qū)體溫日常檢測應落實到每家每戶，有發(fā)熱癥狀者立即報告，同時送到定點醫(yī)療機構就診，并加強對公共場所定期清潔消毒。

2）在5月至9月，即贛州市氣溫開始回升時期，此時新冠病毒的傳播相對受到抑制，故而在該階段，當Y≤0時，該市進行一些正常的防護措施即可，無須過度緊張新冠病毒的傳播。對每家每戶進行日常防疫宣講，保證居住的住所每天開窗通風。同時可以通過煮沸的方法進行一些物品的消毒，保證室內溫度及濕度相對穩(wěn)定，從而降低感染新型冠狀病毒的概率。另外市民在外出時，盡量戴好口罩。

3）在贛州市空氣溫度及空氣濕度開始下降時，即在10月至12月期間，該市各部門應時刻關注并及時監(jiān)測本市的平均氣溫、平均相對濕度、平均降水量、平均風速等影響新冠病毒病例數的因素的變化，積極應對在氣溫開始下降時新冠病毒的傳播。當Y>0時，加強對市民外出的管控程度，嚴禁在雨天或低氣溫的天氣出行，從源頭降低人們感染新型冠狀病毒的概率。同時通過化學手段（如紫外線、含氯消毒劑等）對醫(yī)護所在地進行物理消毒，保證醫(yī)院等感染新冠病毒高風險地點的環(huán)境整潔及干燥。

3 小結

2020年世界各國因新冠病毒大肆傳播導致的確診以及死亡人數居高不下，與此同時各國的經濟狀況也受到了不同程度的打擊。因此，針對氣候變化與疾病的關系，尤其是傳染病方面的研究逐漸成為全球范圍內的研究熱點，而在鐘南山院士及其團隊提出新冠病毒出現環(huán)境傳播這一新課題后，該研究熱點已然成為目前全球共同關注的焦點。本文以贛州市一年的平均氣溫（X1）、平均相對濕度（X2）、平均氣候分布（X3）、平均降水量（X4）和平均風速（X5）作為自變量，選擇多元逐步回歸法進行處理，最后，針對預測結果提出相關防疫建議。