医疗领域的科学技术近几年发展迅速,卫生保健费用和成果之间的差距越来越大是最重要的问题之一,许多发达国家正在为弥补这一差距进行许多努力。因此,迫切需要提高医疗质量,增加数据可用性和分析能力,这是医疗大数据时代的驱动力。面对医疗数据较为庞大的规模,传统的数据挖掘方法显得有些捉襟见肘,从传统的数据挖掘方法中改良出一种更好用的数据挖掘算法也成为科研工作者们致力于研究的方向,与此同时,云计算技术的兴起也给大数据处理带来了新的选择。论文的主要工作如下:(1)针对Apriori算法的基本思想、实现流程以及存在的缺陷,提出一种基于Hadoop的面向医疗云数据改进的IM Apriori算法,该算法将减少候选项目集数量,且大大减少用于计算支持度的时间。(2)传统的Apriori算法有两个主要的瓶颈:频繁扫描数据库、生成大量候选集。针对Apriori算法的固有缺陷,进行了一些相关的改进:首先,采用新的数据库映射方式,避免重复扫描数据库;然后进一步修剪频繁项集和候选项集,以提高加入效率;使用重叠策略来计算支持度以实现高效率。将IM Apriori算法在Hadoop平台进行了实现,使得算法能够有效的减少数据库扫描次数,改善了Apriori算法的输入/输出瓶颈问题,相较于传统Apriori算法而言改进后的算法有很大的优势。(3)最后在Hadoop平台将改进后的算法进行仿真实验,将改进后的算法与传统Apriori算法以及引进对比的BITXOR算法和其他几种关联分析算法进行相关对比实验,对实验结果进行充分的对比和分析,实验证明了本文提出的改进算法相对于传统的和其他改进算法具有更高的效率和优越性。