脑卒中又称“中风”,属于急性脑血管疾病。脑卒中死亡率和致残率高,完全康复和痊愈的难度较大,对患者的患病后很长一段时间的健康自主生活会产生消极影响。目前国内已经建立了疾病诊疗电子管理系统,积累了大量脑卒中患者就诊、治疗、康复等医疗数据,如何挖掘这些数据中的价值,建立诊疗辅助决策系统,是现阶段提升医疗效率和智能化水平的重要路径,也是本文研究的重点。在对国内外医学数据挖掘、脑卒中诊疗、辅助决策系统设计等研究现状进行梳理和总结的基础上,本文的研究工作如下:（1）通过K均值聚类算法（K-means clustering algorithm,K-Means）将实例数据进行分组,随机抽样组成训练集,保证每个分组中都有一定数量的实例,数据集的信息获取更加精准,再通过K-Means均值迭代聚类,有效发现给定的数据集中的K个类,在数值均值分析基础上获得聚类中心。验证结果表明聚类处理之后决策树的准确率能够明显的提升。（2）提出了基于K-Means聚类抽样的决策树改进算法（Improved Decision Tree Algorithm based on Cluster Sampling,IDTACS）,在K-Means聚类的基础上,利用ID3决策树算法,对聚类后的数据进行决策分析,根据信息熵下降的速度,选择测试属性标准,在每一个决策节点选择尚未选择的信息增益最高的属性为决策树的划分标准,直至最终生成决策树。通过数据分析,有效地挖掘了高血压、高血脂、患者年龄、患者吸烟史、患者家庭脑卒中病史、高同型半胱氨酸症史、糖尿病史等高危因素与脑卒中发病之间的决策树关系。（3）在决策树改进算法分析基础上,基于百色市人民医院积累的大量一手的脑卒中疾病数据,依托现有数据库,利用决策树改进算法,分析脑卒中诊疗中的内在关联关系,发现脑卒中数据中存在的隐含知识,构建专家知识库,建立脑卒中诊疗辅助诊断系统,较好地提高疾病诊断准确率和诊疗效率。基于决策树改进算法的脑卒中辅助诊断系统有利于对脑卒中的早期诊断,对基层医生诊断的支持以及对脑卒中患者的长期动态监控。百色市人民医院的疾病患者多为滇黔桂三省交界少数民族居民,具有极强的区域特性,对该区域少数民族脑卒中数据挖掘和专家系统的研究具有重要的指导和实践意义。