现在的电子医疗数据由于不同医疗机构之间的信息无法共享、医疗数据保密、针对某种疾病的病例较少等原因,很难获取大量的有效数据,而机器学习的算法需要大量的数据支撑,只有足够的数据,才可以进行有效地特征提取,并提高模型的泛化能力,在数据较少的情况下机器学习或者深度学习的模型都很难发挥其优势,为了获得足够有效的训练数据,我们可以采用数据生成的方法,生成符合实际数据特征的数据,并据此进行疾病诊断或预测模型的训练,这对机器学习或者深度学习算法在医疗领域的应用意义重大。本文以糖尿病和心力衰竭疾病数据的生成为例。一,利用生成模型对糖尿病和心力衰竭患者的数据进行生成,这是医疗数据生成领域的新尝试;二,本文将通过ICD-9映射而来的数据经过提取和处理之后转化为图片形式,因此可以采用一些在图像生成方面效果良好的模型来进行生成;三,在生成方面表现良好的GAN的基础上通过更改网络结构参数设计了本文的生成模型;四,采用了最近提出的在评估GAN生成模型上效果良好的分类器双样本检测来评估本文生成模型的质量;五,通过具体的疾病风险预测实验来进一步验证本文生成数据是否能够提高疾病预测的准确度,实验证明,本文提出的方法合成的数据可以提高疾病预测的准确度。