摘要 - 本文的目的是详细研究使用图形lime（图形神经网络的局部解释模型解释）来对糖尿病的可信度预测。我们的追求涉及确定图形灰质的优势，并使用原始的石灰方法结合了深度学习神经网络的标准耦合的注意力机制。该系统以这种方式构建，为我们提供了一种提取最相关功能并专门应用这些功能的熟练方法。我们密切监视了两种方法的性能指标，并进行了比较分析。利用注意力学的注意力，我们已经为解决问题达到了92.6％的准确性。在整个研究过程中，该模型的性能得到了精心证明，并且使用接收器操作特征（ROC）曲线对结果进行了评估。通过在诊断出患有或没有糖尿病的768名患者的数据集上进行此技术，我们成功地将模型的性能提高了18％以上。索引术语 - 深度监督学习，糖尿病数据集，解释性，注意机制，图形神经网络