随着医疗行业的不断发展,医疗数据的规模不断扩大,而其蕴含的价值也不断增高,医疗大数据的概念已经成为很多专家及学者研究的目标。面对医疗大数据庞大的数据规模,传统的存储架构已不能满足其需求,而云计算的出现为医疗大数据的储存和调用提供了一个完美的解决方案。医疗大数据中潜在信息的价值更是无穷无尽的,如何将这些潜在的信息挖掘出来是研究的重点。数据挖掘技术以及关联规则挖掘是能体现医疗大数据价值的重要技术,但是传统的挖掘算法已不能满足医疗大数据以及云计算的要求,通过对算法的改进和优化以适用于医疗云平台,将是未来研究的重要方向。本文首先根据医疗大数据以及云计算的概念及特点,提出了一种医疗云平台的架构方案,包括数据采集层、数据云储存层、数据挖掘层、企业及数据库以及应用层5个部分。针对现有医疗数据挖掘技术中的关联规则算法,本文进行了分析与研究,并通过引入了兴趣度对经典Apriori算法进行改进,并且运用云计算和云平台Hadoop的知识,提出了一种基于MapReduce化以及兴趣度的改进Apriori医疗数据挖掘算法。最后,本文通过搭建Hadoop平台进行仿真实验,算法用JAVA实现,通过对训练数据进行挖掘,结果表明改进算法在处理大数据时空间复杂度更低,且挖掘时间随着数据规模的增大呈线性增长,验证了改进算法在进行大数据挖掘时的优越性。