伴随着经济建设的高速发展,人们对于自身健康越来越关注,医院的体检人数逐年递增。体检项目也日益增多,从而使体检数据库中积累了大量宝贵的医学信息,然而这些知识并没有得到充分挖掘。如何高效地找出体检数据中蕴藏的医学知识,将其用来辅助医务工作并改善体检者的身体健康是本文的研究重点。本文首先介绍了论文选题背景意义以及国内外目前的研究现状,然后描述了本文使用的预测方法和分析手段。本文希望通过体检数据对冠心病和高血压的发病风险进行分析。依据缺血性心血管病10年发病危险度评估表和Framingham模型结合体检数据对冠心病发病风险进行预测。同时,对冠心病的发病首要因素-高血压发病风险进行预测。本文分析缺血性心血管病10年发病危险评估表的危险因素,研究评估表模块化方法。通过体检数据库再结合医学知识提出高血压预测数据模型,利用逻辑回归对模型进行检验。模型建立后利用决策树进行高血压预测。此外本文还研究了医疗数据挖掘的特点。本文利用数据分析对数据的噪声进行甄别,对于预测计算过程中使用数据的保存、传输、优化处理方法进行研究。对于数据挖掘前数据清洗、整理方法,以及利用移动互联网获得体检数据和体检结果的方法进行研究。通过预测模型的建立和数据的梳理等前期工作,以及构建疾病预测移动系统使用技术进行研究,建立基于体检数据的移动疾病风险评估系统。本文介绍了系统建立的关键技术和相关过程。通过预测模型进行实验,且对实验结果进行分析。完成预测结果电子化、网络化,为使用者提供健康提示。对两种疾病使用不同的方法进行预测,对于冠心病构建了冠心病预测模块,对于高血压建立高血压预测模型。实现了对体检人群的冠心病和高血压发病预测。