根据世界卫生组织（World Health Organization,WHO）的最新流调数据显示,糖尿病已经和心血管疾病、肿瘤一样成为危害人体健康的三大疾病之一,对糖尿病患者的治疗显得越发重要,而目前临床上对糖尿病的治疗过程中医生需要时刻知悉糖尿病患者的胰岛素水平情况,以便掌握临床上的用药及治疗效果,因此临床上对糖尿病患者的胰岛素测量及评估具有重要的意义。本文针对糖尿病患者的胰岛素测量机理进行了深入的研究,研究中通过本研究团队研发的无创血糖仪采集到的血糖值及其它的多项生理生化数据建立胰岛素分泌测量模型,并通过三种不同的机器学习方法实现胰岛β细胞功能评价方法以及胰岛素测量预测研究。具体研究工作如下:（1）选用了数量类似的2型糖尿病患者和健康人群,分为两组进行对比试验,获取其空腹血糖、体内胰岛素含量、糖耐量等生理生化参数,对获得的数据进行预处理。（2）绘制两组研究对象在不同时间段的血糖以及胰岛素浓度的变化曲线,从折线图中对比分析两者的差异之处。（3）搭建机器学习模型,将获取的实验数据归一化处理后训练后,优化参数和调整模型结构,使其能得到最佳预测效果。（4）利用已经搭建完成的机器学习模型对胰岛素的评价指标进行预测,分析评价胰岛β细胞的功能机理。通过实验结果可知,基于机器学习模型搭建的胰岛素功能评价,预测准确率较高,拟合优度在0.85以上,能够较为准确地评价胰岛素分泌功能,能实现有效监测,具有良好地应用价值。另外,本文提出的根据极限学习机模型与竞争神经网络的模型算法能对糖尿病的研究提供新思路,方便长期跟踪识别。