用于糖尿病风险预测的量子启发式堆叠集成概念图模型（QISICGM）
量子启发式堆叠集成概念图模型（QISICGM）是一种创新的机器学习框架，该工作通过量子启发技术以出色的准确性和效率预测糖尿病风险。该模型采用经2000个合成样本增强的PIMA印第安人糖尿病数据集以缓解类别不平衡问题（总计：2768个样本，其中1949例阳性），将自优化概念图与集成堆叠架构相结合，包括随机森林（RF）、极端随机树（ET）、Transformer、卷积神经网络（CNN）和前馈神经网络（FFNN）。该方法实现0.8933的留折F1分数和0.8699的AUC值，优于传统方法。量子启发元素（如相位特征映射和邻域序列建模）丰富了特征表征，使CPU能以每秒8.5条记录的效率完成推理。本文详细阐述了架构设计、理论基础、代码实现和性能评估（含输出子文件夹可视化结果）。开源实现版本v1.0.0发布于https://github.com/keninayoung/QISICGM，标志着QISICGM有望成为糖尿病等AI辅助临床分诊的基准模型。该研究最终通过校准性、可解释性和开源可复现性，构建了可信赖的人工智能体系。
