糖尿病是一种常见的慢性病，据世卫组织发布的2016年公报统计，中国共有约1.1亿糖尿病患者和近4亿糖尿病前期人群。除了患者人数众多，糖尿病还是一种难以根治的终身性代谢性疾病，且其并发症很可能威胁到患者生命，所以需要尽早预防和及时控制。在糖尿病的临床治疗过程中，每名患者都需要不定期地多次去医院进行诊疗，治疗周期长、治愈较困难，导致了糖尿病专科领域的医生数量与患者数量严重失衡，因此，如果能够对糖尿病临床数据深入挖掘，进一步利用计算机方法进行病情分析，将可以有效地提高糖尿病医生的临床诊疗水平和效率。
　　本论文针对上海市某三甲医院近五年的糖尿病临床诊疗数据进行研究，提出了一种基于改进Rarity算法的并发症罕见模式挖掘方法，分析了糖尿病并发症之间的关联规则，提出了一种基于循环神经网络模型的糖尿病生化指标预测方法，设计并实现了一个糖尿病病情分析系统，可用于糖尿病的临床辅助诊疗，提高了糖尿病临床诊疗的效率。其主要内容包括以下三个方面：
　　（1）针对糖尿病并发症临床数据分布稀疏的问题，提出了一种基于改进Rarity算法的并发症罕见模式挖掘方法。该方法基于有向图和哈希表解决了Rarity算法中可能产生内存不足的严重问题，在保证较低时间复杂度的前提下，大大降低了空间复杂度。为了验证该方法的有效性，将其应用于糖尿病并发症临床数据的关联规则挖掘，为糖尿病并发症分析提供了依据。
　　（2）针对糖尿病生化指标临床数据具有不规则时序性的问题，提出了基于循环神经网络RNN模型的生化指标预测方法。该方法对不规则时序性临床数据进行了合适的预处理，添加了时间维特征，基于循环神经网络构建了糖尿病生化指标的预测模型，并且通过对比实验证明了该方法的效果最好，为糖尿病生化指标预测提供了依据。
　　（3）设计并实现了糖尿病病情分析系统。通过该系统，临床医生可以对糖尿病并发症进行分析，同时可以预测患者生化指标的变化情况，为糖尿病诊疗提供了参考。