随着医疗信息化的快速发展，传统的医院数字化信息系统及电子健康档案系统已远远不能满足海量医疗数据的存储处理、分析挖掘以及多元化医疗数据服务等方面的要求。海量医疗数据经过生成及采集后，如何将异构、海量、实时、多样的数据进行高效存储，以实现大规模复杂健康数据查询的快速和准确响应；如何通过数据挖掘手段，对海量医疗数据进行深度分析，快速有效为用户提供有价值的医疗数据服务，达到未病先防的效果，成为大数据时代医疗领域需要解决的问题。本文基于海量医疗数据的特点，以及现有海量医疗数据挖掘应用服务的不足，提出了海量医疗数据挖掘平台的设计，其中包括海量医疗数据挖掘平台模型构建，医疗数据的快速统计查询方法设计，以及医疗数据的关联性挖掘服务。具体的研究内容如下：（1）针对数据统计及基于数据统计的数据挖掘等海量医疗数据服务的快速查询响应要求，提出一种用于数据处理的基于统计树和增量计算的海量医疗数据快速统计查询方法，优化存储模型，提升查询效率，高效的支持健康状况推理等基于数据统计的医疗服务。（2）针对海量医疗数据的特点以及医疗服务要求，综合数据挖掘平台的设计原则，海量医疗数据的存储策略及海量医疗数据的处理流程等，提出了海量医疗数据挖掘平台模型。此模型具备灵活性、重用性及可扩展性的特点。（3）针对个性化的健康照护计划以及疾病并发预测的需求，提出了医疗数据的关联性挖掘算法，包括基于贝叶斯网络的健康状况推理服务实现和基于关联规则的疾病并发预测服务，应用拓展可以向个人用户提供疾病预警及防范建议，同时可用于对医疗机构作为临床决策的辅助及疾病并发的分析研究。本文在所设计构建的海量医疗数据挖掘平台上，将海量、多样的医疗数据进行高效存储，实现大规模复杂健康数据查询的快速和准确响应；通过对现有数据集的分析挖掘，研究病人的各种检查结果和身体状况与个体所得病症的相关性，以及疾病与疾病之间的关联性，利用所得的相关性为病人提供健康状况的推理服务。