基于多源异构数据的糖尿病预测及个性化干预策略推荐研究.pdfVIP

摘要

糖尿病作为全球性健康问题，已成为严重威胁人类健康的疾病之一。随着糖尿病

发病率的上升，如何有效预测和干预成为医学研究的热点。目前，大多数糖尿病预测

主要依赖数值数据，较少涉及其他类型数据。然而，糖尿病的成因复杂，为实现精准

预测和个性化干预，整合多源异构数据显得尤为重要。因此，本文研究了基于多源异

构数据的糖尿病预测及个性化干预策略，主要开展了以下三个方面的工作：

（1）针对糖尿病相关数据类型复杂、信息分布异质的问题，本文提出了一种基

于MF-BERT模型和混合多注意力机制的FIN-Transformer模型，用以融合不同来源

的文本与数值数据。MF-BERT通过多层次特征抽取、动态调整特征维度和加权融合

策略，有效提升对复杂语义和细节信息的捕捉能力。提取的文本特征与数值数据利用

特征交互网络（FIN）进行初步融合，并通过混合注意力机制的Transformer模型进行

高级特征提取。实验结果验证了特征交互网络和混合注意力机制的有效性，为异构数

据处理提供了新思路。

（2）针对糖