keras人工智能构建多层感知器诊断印第安糖尿病,包含数据集和代码以及注释

糖尿病人的膳食控制

糖尿病发作检测 @machinelearning{han2021cs, title={Diabetes Onset Detection using Keras Model}, author={Nguyen, Han}, year={2021}, associate={Personal Project} } 简要描述;简介 该项目是一个基于机器学习的应用程序，通过Keras模型和寻找最佳超参数的训练方法（使用网格搜索和scikit-learn并优化神经元数量）来预测个人是否患有糖尿病。 有关更多详细信息，请参阅《 我学到的是 在这个项目中，我利用自己的知识来构建Keras模型，以及对参数的不同更新（从学习率，辍学，激活，神经元初始化），以了解哪种方法可以产生最佳的准确性。 我还了解到，使用此模型，训练精度非常高； 但是，测试精度略低于80％。 这意味着我们在误报和误报方面

已将文件设为CSV格式，并且添加了表头文件，设置为中文方便阅读理解，很多人没有积分，这里也设置为免费，大家一起加油

【博士论文】糖尿病视网膜病变检测

天池大赛数据天池精准医疗大赛——人工智能辅助糖尿病遗传风险预测，这是明天即将开始的天池大数据比赛。赛题名字看起来很高深，其实是根据年龄，性别，肝功，血常规等体验指标，预测血糖值。数据挺少的，特征40个左右，训练集5000多个实例，测试集1000个实例

背景：在印度，关于2型糖尿病（T2DM）患者发病率和死亡率的患病率数据很少。 目的：确定印度东部三级护理教学医院收治的T2DM患者的微血管和大血管并发症，急性代谢并发症，感染，非酒精性脂肪肝病（NAFLD）的发生率和死亡率。 材料和方法：这是一项基于医院的前瞻性研究，评估了印度东部三级医疗机构中的150名T2DM患者。 使用标准方案对微血管和大血管并发症，感染和NAFLD进行诊断。 在死亡的情况下，注意到最可能的原因。 结果：在150例患者中，新诊断为T2DM的患者为14.7％，其中41％的患者患有血管并发症，而54.5％的患者患有感染。 在所有患者中，分别有56％患有肾病，20％神经病变，17.3％视网膜病，31.3％CVD，11.3％CAD，4.6％急性代谢并发症，44％感染和16.6％患有NAFLD。 大血管事件发生早于微血管并发症。 多元logistic回归分析显示年龄，糖尿病持续时间，血清胆固醇，甘油三酸酯，LDL-C与视网膜病变密切相关（回归系数β：-0.1086807、0.4127152，-0.0513393、0.0146429、0.0587475; p <0.05，<0

糖尿病诊断系统

WST 483.13-2016 健康档案共享文档规范第13部分：2型糖尿病患者随访服务

WS 375-2012疾病管理基本数据集 第5部分：2型糖尿病患者健康管理