随着人们对医疗服务需求的日益增长,医疗领域的数据量呈爆炸式增长,并有逐年上升的趋势。这些医疗数据真实记录了患者的就诊信息和医生诊疗的全部过程,能反映医疗领域真实现状。目前医院管理人员大多使用简单的统计学方法对医疗数据进行处理,医疗数据资源的利用价值有限,为提高医疗数据利用价值,探索医疗数据之间隐藏的规律与联系,本文使用数据挖掘技术对某三甲医院的医疗数据进行数据挖掘研究。针对本文得到的实验数据设计并构建了医疗数据仓库,然后使用三种不同的挖掘方法进行研究,主要工作内容如下:(1)基于K-means聚类算法的医生服务质量评价为对医生服务质量进行评价,在数据仓库中选取一段时间内医生的接诊量和患者满意度评分作为主要研究数据。选取3个中心点,计算所有数据到中心点的距离,根据距离远近将所有数据分成三个簇。调整各个簇的中心点,再计算到新的中心点距离并分组,如此迭代直到结果收敛。基于该聚类算法将所有医生分为三组,通过分析可知该结果体现了新生力量、主要骨干和专家教授三个人群医生的服务质量。该结果也可以为奖金兑现、职称晋升和专项培训等方面提供决策依据。(2)基于卷积神经网络的医疗数据挖掘研究基于卷积神经网络提出了疾病分类模型和门诊药房人流量预测模型。将数据仓库中冠心病和肺病患者的信息通过疾病分类模型进行训练和测试,结果显示冠心病患者分类准确率较高,计算精确率P、召回率R、准确率A三个指标,结果显示该模型分类效果较好。将门诊药房前15天的人流量数据输入预测模型,对后5天门诊药房人流量进行预测,结果显示前3天预测效果较好,后2天预测效果一般,经分析发现人流量多时预测效果较好,人流量少时预测效果一般。(3)基于关联规则的住院信息挖掘为探究老年人发病规律及医疗数据间的潜在联系,在数据仓库中提取老年病科患者住院信息作为研究数据,使用关联规则中的Apriori算法进行数据挖掘。经过不断地剪枝、连接,最终得到10条规则。对结果中的数据进行分析,最终得出年龄在60岁～80岁之间的患者因心脏病和脑血管疾病住院的人数最多,该科室接收市区患者最多以及医保报销费用占住院总费用的53%左右的结论。