健康问题已经上升到国家战略层面,民众对于健康的需求日益增加,医学的发展方向也逐渐从“疾病医学”向“健康医学”转变,一种能够在疾病全周期尤其疾病早期参与临床评价的绿色检查技术,将会在满足公众健康需求的过程中发挥重要作用。红外热成像技术对于疾病早期筛查和疗效评价的临床价值已经得到认可,但其缺少临床“标准化”的瓶颈问题依然没有解决。本文将以医工结合的方式对符合临床描述的抽象概念构建出相应的量化和可视化模型,并通过属性偏序理论对临床中重复出现的各种红外热像一般化规律进行模式辨识和知识挖掘,为推动红外热像临床“标准化”进程提供新的思路和方法,同时将这些方法应用到新的临床研究中以扩展红外热像的临床研究范围和视野。本文根据红外热像临床研究的理论基础提出了红外热像体征和红外热像体征模式的基本概念,并构建出了一系列用于红外热像体征量化和可视化的方法,在此基础上,通过属性偏序理论实现了对不同群体间红外热像体征的知识挖掘和模式辨识,并通过临床研究对上述方法开展了进一步的验证性实验,取得了阶段性成果,这对于红外热像的临床研究有着重要的临床意义和应用价值。首先,在红外热像体征量化和可视化方面,根据现有方法建立了基于温度值的九宫格可视化方法和改进的温度最大值量化方法;根据红外热像对称性体征搭建了两种用于不同场景的量化数学模型;针对红外热像均匀性体征建立了间接性量化数学模型;针对人体红外热像的序列化体征探索了空间模型可视化方法,将红外热像的图像空间映射到新的虚拟模型中,实现对序列化特征的空间结构可视化表达;针对红外热像立体性体征,进一步分析了人体红外热像空间特性的临床研究价值,并通过实际的临床病例加以描述。其次,在红外热像体征模式辨识方面,构建了基于属性偏序结构理论的人体红外热像体征模式辨识方法,在此基础上建立了基于红外热像体征的数据粒化方法,能够将图像特征转变为形式背景用于知识挖掘和模式辨识。在对上述方法的临床验证性实验方面,对代谢综合征和中医人体状态辨识两个领域进行了初步探索,能够从知识图谱中挖掘到有效概念,并为后续的人工智能方面研究奠定了方法学基础。通过这两个实验论证了属性偏序结构理论用于红外热像体征模式辨识的有效性和科学性。最后,在红外热像的临床应用性研究方面,通过红外热像构建出了用于男性心肌缺血早期筛查的预警模型,并通过临床实验验证了该模型对于心肌缺血的筛查能力,这项研究将会弥补现有技术的不足;根据红外热像的技术特点,初步开展了其对于儿童特发性血小板减少性紫癜的一项新的探索性研究,并通过严谨的临床实验验证了所提方法的客观性和有效性,可能会为儿童特发性血小板减少性紫癜的实验室检查增添新的工具。