一种基于注意力增强深度神经网络的医疗数据大规模糖尿病筛查方法

本发明公开了一种基于注意力增强深度神经网络的医疗数据大规模糖尿病筛查方法。提出了注意力增强的深度神经网络模型，即：Attention‑Enhanced Deep Neural Network(AEDNN)，该模型引入Transformer中的多头注意力机制，结合深度神经网络实现糖尿病的精准预测。模型训练采用Pima Indian Diabetes Dataset数据集，基于箱线图异常值检测算法识别缺失值和异常值，使用分组中位数填充异常值与缺失值，采用过采样技术平衡数据，设计了基于注意力的特征提取层，即：Attention‑Based Feature Weighting Layer，提取数据的权重，获得权重矩阵，然后数据进入深度神经网络层进行训练，添加L2正则化项和Dropout层提高模型泛化性能。通过准确性、精确度、召回率、F1分数、均方误差、R2分数以及ROC和AUC曲线评估模型，预测准确率达98.4％。该方法能够高效筛查糖尿病初期患者，尤其适用于大规模医疗数据的初步筛查。与现有方法相比，AEDNN模型整体性能提升11.06％。