基于残差注意力卷积神经网络的糖尿病无创检测研究

目的：降低糖尿病大范围筛查的医疗成本，减轻血糖检测对患者心身的伤害，同时为高风险糖尿病人群提供一种无创、准确、高效、经济的糖尿病检测方法。方法：采用残差注意力卷积神经网络对糖尿病受试者面部图像进行有监督的机器学习，预测受试者未来糖尿病的发病风险；为评估该方法的应用效果，本实验招募了384例糖尿病受试者和137例血糖正常的健康志愿者，比较残差注意力网络与其他卷积神经网络的糖尿病无创检测性能。结果：采用56层残差注意力网络构建的糖尿病无创检测模型在实验中表现出的预测能力最强，准确率高达94.28%，特异性为92.94%,F1值达95.88%。结论：该预测模型检测方法耗时短、成本低且支持大范围筛查及远程诊疗，具有较强的糖尿病检测能力。