癌症是世界第二大疾病,占死亡率的六分之一。多年来,研究人员一直在探索吸烟、酗酒、肥胖、缺乏锻炼等不健康的生活方式与癌症发病率和死亡率之间的潜在关系,但目前而言仍具挑战性,论文工作也是这方面的努力。论文的研究目的一方面是通过癌症与生活方式的相关分析为人们健康生活提供一定的指导,另一方面通过未来几年癌症发病与死亡率预测,为医疗财政资源的针对性使用提供数值依据。论文主要的研究特色和研究工作包括一下两方面:数据预处理和样本扩充方法设计。论文以美国疾病预防控制中心和美国癌症协会1990-2017年的生活方式和癌症发生的原始数据为分析数据源。为保证数据源的质量,论文首先利用excel对原始数据源进行格式转换、重复数据消除等预处理,利用R软件对数据进行过滤,得到数据分析所需的统计值。在数据清理的基础上,论文使用实验分析对比的方法,择优选择平滑性能良好且适合所获得的数据源的三次样条插值技术对原始数据进行扩展,使数据从原始的25个入口点升级到300个入口点,并将年度数据转换为月度数据,解决了后续相关性分析和预测样本不足的问题。论文影响因素选择也依据所获得的有效数据源,为合理的多因素分析。两阶段注意算法模型TSA-LSTM设计。论文可视化分析基于主流的工具Tableau,其强大的可视化功能为论文的研究工作提供了极大的便利,然而实验结果表明,Tableau对论文得到的时间序列数据的分析和预测结果并不理想。论文在长短期记忆网络LSTM的基础上,设计了一个优化模型——两阶段注意算法TSA-LSTM模型。TSA-LSTM模型注意机制的第一阶段是输入特征注意,即保持对输入特征重要性的注意,由此保证模型编码器在预测输出序列的特定特征时收敛到输入序列的某些特征,从而增强模型的自然学习趋势,提高预测质量;注意机制的第二阶段是时间性能注意,即时刻保持模型的实时性能,以此选择网络特征,提高预测质量。论文给出了TSA-LSTM模型的详细设计与实现,并基于TSA-LSTM模型,对数据源进行了相关因素分析和趋势预测实验验证。可视化的实验结果表明:过量饮酒可导致乳腺癌、结直肠癌和结肠癌;缺乏运动和肥胖可导致甲状腺癌、结肠癌和子宫癌;多数癌症有重叠的危险因素;肺癌84.1%,喉癌71.8%,口腔癌69.8%与不良生活方式直接相关。而以2017年为基础,2020年至2025年间,癌症病例将增加9%至21%,此长期预测精度最高可达97.76%,而过度吸烟和肥胖可能是未来癌症发病率的主要原因。