近年来,大数据、云计算、‘互联网+’、人工智能等技术的发展,加速了传统医疗行业信息化水平的提升。大量的、多元化的医疗健康类数据为基于大数据的精准医疗服务提供了基础。临床上尿常规是疾病筛查不可或缺的重要手段,可为多种临床疾病的检查和治疗提供客观、准确的信息。医疗检测数据体现了疾病状况及疾病变化趋势,如何充分挖掘化验数据的价值,并将数据有效呈现,为临床疾病的诊断治疗提供客观、准确的信息,具有重要的实用意义。论文研究基于尿液检测数据的数据分析与疾病预测方法,并分析天气因素对疾病的影响,实现数据的可视化,为疾病诊断提供辅助诊疗手段。主要内容和研究成果如下:(1)基于XGboost的尿液检测指标的疾病预测分析。论文首先对检测数据进行了预处理,基于17427条检测样本,对疾病种类分别为多种、四种和两种这三种情况进行了疾病预测,经过参数调优,在疾病种类较少的情况下,取得了较好的预测准确率。(2)基于FP-growth算法的疾病关联性分析。为挖掘尿检指标与疾病的关系,并分析天气对疾病的影响,论文基于FP-growth算法,结合支气管肺炎样本中尿常规1 1项指标、天气参数与疾病进行关联性分析,分别得到了尿液检验指标与该疾病的相关性以及气候对该疾病的影响规律。(3)算法实现及数据可视化。论文基于尿液检测数据集,实现了疾病预测分析算法、数据关联分析算法。针对医疗检测数据趋势、维度等直观显示的需求,论文实现了尿液检测数据的多角度、多视图、多维度的展示和交互,直观展示了数据隐含的有用信息。