| Name | Rolle |
|---|---|
| Björn Dittmann | |
| Thomas Schaibel | |
| Timon Rupelt, | |
| Herberto Werner | |
| Mario da Graca | Projektmanager |
| Steffen Hespe | |
| Jonathan Jander | |
| Kjell Binici |
Maßnahmenanalyse zur Eingrenzung der Ausbreitung von Covid-19 ähnlichen Erkrankungen.
- Welche Maßnahmen sind für bestimmte Bevölkerungsgrößen und -dichten am besten geeignet?
- Wie wirken sich verschiedene Maßnahmenkombinationen auf die [Zielmetrik] (Hospilitierungsrate) aus?
- Hilfsmittel zur Bekämpfung weiterer Epedemien/Pademien und Erkrakungswellen, die in Zukunft verhäuft auftreten werden.
Die Fragestellungen sollen mittels des random forests Verfahren beantwortet werden.
Es soll eine Anwendung entwickelt werden, die basierend auf einer Zeitreihentabelle als variable Eingabe eine Vorhersage zur Entwicklung der Zielmetrik bei verschiedenen Maßnahmenkombinationen für einen spezifischen Landkreis in Deutschland trifft. Die Anwendung zielt darauf ab, die Ausgabe des neuronalen Netzwerks gegebenenfalls automatisch zu interpretieren. Dies ermöglicht eine präzise Bewertung der Auswirkungen verschiedener Maßnahmen auf die Zielmetrik und unterstützt Entscheidungsträger bei der Planung und Umsetzung effektiver Strategien zur Eingrenzung von Covid-19-ähnlichen Erkrankungen.
Die Anwendung wir in einem einfachen Jupyter Notebook realisiert. Dort soll die Eingabe und Ausgabe erfolgen.
Das Modell zur Vorhersage der Entwicklung der Zielmetrik wird mithilfe eines LSTM (Long Short-Term Memory) neuronalen Netzwerks umgesetzt. Das LSTM-Netzwerk ist dafür bekannt, zeitliche Abhängigkeiten in den Daten zu erfassen und kann daher geeignet sein, die Entwicklung der Zielmetrik im Zusammenhang mit verschiedenen sinnvollen Maßnahmenkombinationen zu analysieren.
Das Modell wird darauf trainiert, die Auswirkungen der verschiedenen Maßnahmenpermutationen auf die Zielmetrik zu simulieren und dabei den besten Verlauf zu identifizieren.
Als zu minimierende Zielmetrik dient die Hospitalisierungsrate auf Landkreisebene. Diese Metrik gibt Auskunft über den Anteil der COVID-19-Fälle, die eine Krankenhauseinweisung erfordern. (Wird ggf. noch angepasst.)
- Deutschlanddatensatz: https://covid19datahub.io/articles/data.html
- Verwendet in Paper: https://www.nature.com/articles/s41597-022-01797-2
- Weitere Quelle für Bevölerkungsdichte & -größen
Die Trainingsdaten sollen so aufbereitet werden, dass die Zielmetrikwerte auf Landkreisebene tägliche verfügbar sind. Fehlenden Werte sollen durch interpolation ersetzt werden.
- Gesundheitsämter
- RKI
- (Bernhard-Nocht-Institut für Tropenmedizin)
Benötigte Dependencies installieren
pip install -r requirements.txt
Die Benutzeroberfläche kann mit folgendem Befehl gestartet werden:
python main.py
| KW | Meilenstein | Actions | Bearbeiter | Issue |
|---|---|---|---|---|
| 18 | Projektkonzept | Klärung: - Fragestellung - Zielgruppe - Motivation - Daten - Rollen - Methodik |
Alle | |
| 19 | Projektplan | Projektplanerstellung im Git-Repo | Kjell, Herberto | |
| ML-Canvas recherche | Mario | |||
| Explorative Datenanalyse | Explorative Datenanalyse der Deutschland Covid Daten | Jonathan, Björn, Steffen | ||
| Gesäuberte extra Datensätze | Thomas, Timon | |||
| 20 | Zielmetrik |
- Eignet sich die Hospitalisierungsrate als Zielmetrik? - Welche eignet sich besser? - Daten aufbereiten (Auf Landkreisebene, täglich) |
Björn, Timon | https://github.com/users/mario-dg/projects/1/views/1?pane=issue&itemId=27942255 |
| Zielvorstellung des Endproduktes |
- Wie könnte das Frontend aussehen? Eingabe/Ausgabe? - Recherche zu Einbindung in JupyterNotebook (welche möglichkeiten gibt es?) - Wie könnte eine automatische Interpretation/Auswertung funktionieren? |
Herberto, Steffen | https://github.com/users/mario-dg/projects/1/views/1?pane=issue&itemId=27941797 | |
|
Projektupdate |
Herberto, Kjell | https://github.com/users/mario-dg/projects/1/views/1?pane=issue&itemId=27942794 | ||
| 21 | Funktionsfähiger Prototyp | Training und Verbesserung des LSTM Modells | Mario, Thomas | https://github.com/users/mario-dg/projects/1/views/1?pane=issue&itemId=27941964 |
| Front-End | Herberto, Timon | |||
| EDA | Auswertung der Vergangenheit | Jonathan, Kjell | https://github.com/users/mario-dg/projects/1/views/1?pane=issue&itemId=27942676 | |
| Projektupdate | Herberto, Kjell | |||
| 22 | Ergebnisanalyse | Auswertungerstellung | ||
| 23 | Finale Präsentation | Foliensatzerstellung |