随着人们生活水平的提高、饮食习惯的改变和二孩政策的实施,使得高龄孕妇的比例不断增加,进一步导致我国妊娠期糖尿病发病率的上升,同时妊娠期糖尿病在世界范围内的发病率也呈现迅速增长趋势。妊娠期糖尿病会导致不良妊娠结局的产生,使得孕妇和胎儿的健康受到影响,当下还没有有效的治疗方案可以对妊娠期糖尿病进行治疗,因此对易患妊娠期糖尿病的人群要做到及早筛查和干预,这对防止疾病的发生和发展具有重大的现实意义。近年来由于智慧医疗、深度学习等技术的发展,如何对有价值的医疗数据作出有效分析成为研究的热点。研究人员将深度学习技术应用于医疗领域用于对疾病做出预测、干预和管理,并取得了重大成果。许多学者一般采用传统机器学习算法对疾病做预测,本文根据目前深度学习在疾病预测方面的发展现状,利用深度学习技术通过深度神经网络构建妊娠期糖尿病预测模型,对妊娠期糖尿病展开研究。本文的具体研究工作如下:（1）针对来自天池精准医疗大赛妊娠期糖尿病数据集中存在的数据缺失、异常等问题做预处理操作,为后续特征选择提供平滑均衡的数据集,该预处理操作过程也为其他疾病的数据处理提供一定的参考价值。（2）针对数据集特征维数高、存在大量冗余特征影响预测模型准确率的问题,利用XGBoost算法和IV值进行混合特征选择,对数据集做降维处理,从预处理后的73个特征中筛选出12个特征权重高的特征变量,将其组合成一个新的特征子集用于后续预测模型的输入,同时设计对比实验证明其提高了模型性能。（3）针对传统DNN网络模型存在的不足,提出了基于批归一化的DNN预测模型,该模型在DNN基础上引入批归一化（BN）层,有效解决了梯度消失、局部最优解等问题,同时为了获得最佳效果模型,采用多层网格搜索算法、L2正则化、Adam优化算法、dropout层、10折交叉验证等方法对模型进行优化。为了验证模型的有效性,将其与其他算法作比较,实验结果证明了该模型在准确率、灵敏度、特异度、精准率等方面的优越性。