随着计算机技术在医疗领域的广泛应用与快速普及,无论是健康体检还是患者就医都会产生大量的医疗数据。为了挖掘这些数据中蕴藏的信息,医疗数据挖掘技术应运而生。然而,目前医疗数据分析领域中仍然存在着挖掘算法效率低、精度差等问题。产生这些问题的主要原因在于部分挖掘算法未能考虑疾病的潜在致病因素,从而导致分析结果中存在大量冗余信息。因此,本论文通过加权关联规则技术高效地挖掘疾病及其致病因素间存在的强相关性医疗关联规则。本论文利用加权关联规则从医疗数据中挖掘疾病的潜在致病因素。主要研究思路是将项目的相关性作为关联规则权值,并在此基础上使用免疫算法对加权关联规则进行挖掘,从而分析疾病的潜在致病因素。本论文提出了一种基于免疫算法的潜在致病原因挖掘算法。算法对比实验结果表明,本论文提出的算法在算法运行效率方面优于其它算法,并且能够有效挖掘医疗数据集中的潜在致病因素。最后,本论文利用所提出的算法对骨质疏松症进行了潜在致病因素分析,产生了大量有价值的骨质疏松症致病因素关联规则。经过专业医师对挖掘结果的分析,本论文挖掘的骨质疏松症致病因素对于疾病的预防与治疗起着一定的参考。