糖尿病是全世界最主要的慢性非传染病之一,其并发症会对患者身体造成严重伤害,甚至威胁生命。糖尿病治疗的核心是血糖控制,但对糖尿病患者的血糖控制及糖尿病并发症的治疗会耗费大量资源,对患者家庭及社会均是一种负担。虽然糖尿病目前无法治愈,但通过健康饮食、合理运动、积极心态以及按时用药都能有效预防或延缓糖尿病并发症的发作。近些年,随着大数据、云计算、深度学习等新兴技术的发展,各学科交叉融合,信息技术也能够在糖尿病预防与治疗发挥更大的作用。借助大数据技术分析收集的糖尿病患者的生理数据、借助现代智能设备大幅简化用户的数据输入步骤可以给患者合理的生活建议,减轻用户负担。本文基于以上思想提出了一种基于大数据技术的糖尿病辅助医疗处理框架。该框架分为前端与后端两部分。后端以大数据技术为依托,采用结合MongoDB数据库、Kafka消息队列及Spark生态系统的Lambda架构,可实现数据存储、大规模离线批处理及实时流处理。前端为移动端APP,负责用户数据的收集与处理结果呈现,APP通过蓝牙与可穿戴设备自动同步数据,前端与后端通过网络通信完成交互。自动化数据获取的关键问题是可穿戴设备的数据同步。本文对蓝牙协议的工作流程进行分析,使用安卓开发工具进行实验,实验结果证实可以通过技术手段来获取可穿戴设备数据。本文最后提出了一种基于深度学习技术从食物图片预测热量的方法。在用户拍摄一张食材照片后,识别模型会识别出照片中食物的位置与类别,进而通过重量预测方法预测出重量,最终计算出热量。本文自行采集食物图像数据集训练了SSD物体检测模型作为食物识别模型,将数据集进行多项式回归以拟合出食物重量预测函数,通过查询美国农业部国家营养数据库得到食物的热量密度,最终将重量与热量密度相乘便可计算得到食物热量。实验结果显示,识别模型准确率达到94%,热量预测误差在10%左右,具有一定的实用价值。