糖尿病是威胁全球人类健康的重要慢性疾病之一,2017年中国糖尿病患者有1.14亿,高居世界第一位,而未诊断率高达53.6%,我国必将承担越来越大的糖尿病诊疗压力。加强预防,及时确诊,尽早治疗,建设糖尿病研究体系、提升糖尿病诊疗技术,是我国需要在较长时间内持续关注的重要课题。传统疾病的诊断准确性受医生个体因素影响明显,糖尿病的诊断具有复杂性和多样性,不可避免地会造成一定的误诊,导致患者错过最佳治疗时间并引发一系列不可逆转的后果。计算机技术的快速发展为改变这一传统情况提供了基础,多项研究表明了计算机技术能有效地协助疾病诊断。通过大量的文献研究发现,目前已有论文应用决策树等基础机器学习算法对疾病诊断进行了探索,但仍然存在诸多缺陷。因此,本文引入了基于深度学习的全连接神经网络及卷积神经网络的糖尿病诊断系统,重点分析了现有糖尿病诊断数据,通过对数据进行探索性分析、预处理,着重解决诊断数据标签归一化问题,并结合糖尿病诊断的常识,确定了模型训练的特征,生成标注样本,将整体标注样本集进行10折交叉验证,训练集、测试集和验证集按照比例7:2:1进行划分,训练过程采用early stop及dropout机制防止模型过拟合,对全连接神经网络及卷积神经网络模型进行训练和验证,取得了良好的效果,进一步验证深度学习在疾病诊断方面的积极作用。