编辑推荐：
为解决 Pima 印第安糖尿病数据集（PIDD）存在的类别不平衡、特征非线性相关等问题，研究人员提出基于注意力二元交叉熵损失函数（ABCE）的轻量级神经网络 DB-Lite 模型，结合合成少数过采样技术（SMOTE）。结果显示模型准确率达 99.7%，为糖尿病自动诊断系统提供新方向。
糖尿病作为一种常见的慢性代谢性疾病，其早期诊断对预防并发症至关重要。然而，用于糖尿病预测的 Pima 印第安糖尿病数据集（PIDD）存在诸多挑战，如样本量小、类别不平衡（糖尿病阴性 500 例 vs 阳性 268 例）、特征间非线性相关性强，且部分特征（如 BMI、胰岛素）存在不合理零值（被视为缺失值），导致传统模型性能不稳定，准确率波动在 67%-77% 之间。因此，开发更有效的模型来克服这些问题具有重要的临床应用价值。
为应对上述挑战，研究人员开展了针对糖尿病预测的算法优化研究。研究团队提出了一种名为 DB-Lite 的轻量级人工神经网络模型，并结合多种创新方法提升预测性能。该研究成果发表在《Healthcare Analytics》。
研究采用的关键技术方法包括：
- 合成少数过采样技术（SMOTE）：对 minority class 进行数据增强，缓解类别不平衡；
- 注意力二元交叉熵损失函数（ABCE）：通过计算类内特征方差分配注意力权重，减轻统计不平衡影响；
- Swish 激活函数：替代传统 ReLU，增强模型处理非线性特征的能力；
- 自适应学习率（ALR）：前 50% epoch 使用固定学习率（0.008），后 50% epoch 线性衰减，加速收敛；
- 数据预处理：将 BMI 等特征的零值替换为中位数，保留全部 8 个特征避免信息丢失。
4.1 消融研究
通过对比不同激活函数、过采样方法及损失函数的组合发现：
- 仅使用 ReLU 且无过采样时，模型准确率仅 74.7±5.6%；
- 引入 SMOTE 后，准确率提升至 87.7±3.9%，表明 SMOTE 有效缓解类别不平衡；
- Swish 激活函数较 ReLU 进一步提升性能，准确率达 94.7±2.9%，体现其处理非线性关系的优势；
- 结合 ABCE 损失函数和全部 8 个特征后，模型达到最佳性能：准确率 99.7±0.4%、精确率 99.4±0.8%、召回率 99.8±0.5%、F1 分数 99.6±0.6%。
4.2 与现有方法对比
与支持向量机（SVM）、随机森林、深度卷积神经网络（DCNN）等传统方法相比，DB-Lite 模型在各项指标上显著领先。例如，现有方法最高准确率为 99.13%（基于 K-means 聚类和自编码器），而本研究模型通过 ABCE 和 Swish 的结合，将准确率提升至 99.7%，且在 10 折交叉验证中平均准确率达 98.8%，标准差仅 0.38%，显示出更强的稳定性和泛化能力。
4.3 模型有效性验证
- 统计假设检验：通过韦尔奇 t 检验（Welch t-testing）证实，ABCE 损失函数和 Swish 激活函数对模型性能提升具有统计学显著性（p<0.02）；
- 10 折交叉验证：在 10 个不同数据集划分中，模型准确率在 96.1%-100% 之间，平均 98.8%，验证了其鲁棒性。
结论与讨论
本研究提出的 DB-Lite 框架通过 SMOTE 解决类别不平衡、ABCE 缓解统计不平衡、Swish 处理非线性特征，并结合自适应学习率优化训练过程，成功突破了 PIDD 数据集的预测瓶颈。模型在准确率、精确率、召回率等关键指标上均达到当前最佳水平，为糖尿病的早期自动诊断提供了一种高效、稳定的解决方案。该研究不仅验证了轻量级神经网络在医疗数据中的潜力，还为处理类似不平衡数据集提供了新的方法论，有望推动人工智能在慢性病预测领域的临床应用。
