目前由于人类生活环境受到了比较严重的污染以及人们生活节奏较为快速,患病人数不断增加,疾病病因越来越复杂化,导致人类的健康受到了严重的威胁,针对患者是否患病的正确诊断显得尤为重要。本文以2型糖尿病视网膜病变为例,提出将机器学习传统方法和深度学习方法相结合,设计并实现了三种模型,共同解决两大问题,一是对该疾病特征进行分析,重点输出该疾病的重要性特征排序;二是对该疾病进行诊断。目前在疾病诊断领域中,深度学习方法更依赖所获取的图像进行诊断分析,本课题使用电子医疗记录信息进行相关实验,主要工作如下:(1)建立了基于逻辑回归的疾病特征分析模型,着重对疾病特征进行重要性排序,以便找出对疾病影响最为关键的指标,为医生提供诊断参考。实验分析结果显示,糖化血红蛋白浓度与慢性肾病是2型糖尿病视网膜病变的危险因素。(2)建立了基于多层感知机的诊断模型,以便自动精准地对病人病情进行诊断。实验结果显示,该模型取得了91.01%的诊断准确率。(3)提出一种基于卷积神经网络的诊断模型—BNCNN,该模型可以有效地防止梯度弥散,加速网络训练。实验结果显示,BNCNN模型取得了97.6%的诊断准确率。