融合注意力机制和BP神经网络的2型糖尿病风险预测研究

目的基于融合注意力机制和BP神经网络模型建立2型糖尿病风险预测模型,为糖尿病高危人群提供个性化的预测。方法于2019年7月—2021年2月对安徽省蚌埠市社区的慢性病队列进行纵向随访研究,共纳入2334名研究对象。采用Python 3.9软件进行分析,利用基于Python的深度学习框架PyTorch来实现注意力机制和BP神经网络结构。以是否患2型糖尿病为因变量,将数据集按照8︰2的比例划分训练集和测试集,使用融合注意力机制和BP神经网络模型进行建模与分析,并与经典的机器学习模型对比预测性能。基于准确率、精确率、召回率、F1分数以及训练过程中绘制的损失值曲线和准确率曲线进行模型评价。结果融合注意力机制和BP神经网络模型在训练集中准确率为0.9630,精确率为0.9725,召回率为0.9572,F1分数为0.9648;在测试集中准确率为0.9722,精确率为0.9756,召回率为0.9683,F1分数为0.9719。在训练过程中,融合注意力机制和BP神经网络模型得到的损失值曲线和准确率曲线均优于对比模型。结论相较于BP神经网络模型和传统机器学习模型,融合注意力机制和BP神经网络模型的预测性能更佳,可及时准确识别2型糖尿病患者,实现2型糖尿病的早发现和早治疗,以预防并减缓对其身体带来的危害。