随着科技的进步,越来越多的检测手段被用来辅助医生进行疾病诊断,这同时也产生了大量的医疗数据。而如何从这些数据中找出某些因素与疾病间的相关性已成为了目前的研究热点之一。论文充分研究了内分泌激素系统和数据挖掘的相关概念,之后分别运用统计和数据挖掘的方法对数据进行分析。其中在数据挖掘方面,本文根据实际数据的特点,在熟悉关联规则基本理论和实现方法的基础上,对如何获取有效的关联规则进行研究,取得了一定的成果。论文首先介绍了内分泌激素系统的一些基本知识,同时阐述了目前数据挖掘在医疗领域的应用情况。在第三章首先运用Logistic回归分析对数据进行分析,为进一步的数据分析提供指导和依据。之后第四章在对传统关联规则挖掘算法进行研究的基础上,提出并实现了一个改进的项目约束关联规则挖掘算法,实验表明与传统的Apriori算法相比,新算法在挖掘性能上有较大的提高。同时在对新增数据的处理上,采用改进的增量更新算法进行处理,以避免有新增数据情况下为获取新规则而必须对所有数据进行重新挖掘的情况,提高了挖掘效率。第五章在考察了实际应用中激素数据特点的基础上,对获取关联规则的几个关键部分进行了研究,这也是本文的研究重点之一。首先在对数据预处理上,本文采用数据离散化、忽略空缺值和属性转换等方法使原始数据库变为适合挖掘的事务数据库;其次使用第四章提出的改进的项目约束关联规则挖掘算法对事务表进行挖掘来获取相应的关联规则;然后从主客观两个方面对所有规则进行评价以得到较有效的关联规则;最后将数据挖掘的结果同第三章统计分析的结果进行比较。另外,设计并实现了一个激素信息系统以使辅助诊断可视化和便捷化。该论文受到厦门市社会发展计划项目“垂体性激素的建模分析及临床应用”(编号:3502Z20044003)的资助。