摊销贝叶斯推理加速疾病空间边界检测

疾病边界分析对于识别相邻地区之间的健康结果突变至关重要，可指导针对性公共卫生干预。然而，传统贝叶斯方法依赖MCMC采样，计算成本高，难以应用于大规模监测。本研究提出一种基于摊销贝叶斯推理（ABI）的模型，通过神经网络直接估计后验分布，显著提升效率。该模型在分析美国相邻县之间的健康差异时，不仅速度快，还引入了残差差异消除步骤以改善推理精度。目前该研究为预印本，尚未经同行评审。