随着高新技术产业不断进步发展,医学水平和诊疗现代化将会逐渐健全完善,这将意味着医学诊疗数据的数量和规模也会急剧扩充,暗藏在医学诊疗数据中未被挖掘的有价值数据也将海量增加,医疗数据已经成为很多专家及学者研究的目标。而在学术界已经研究产生了许多实用的,譬如神经网络、深度学习等此类人工智能算法,并成功将其运用到实际应用中来解决问题。因此,在构建智能中医诊疗系统问题上,如何将诊疗信息中潜在的价值挖掘出来也是研究的重点。基于上述问题,本文对序列模式挖掘技术在中医病程规律挖掘中的应用进行了研究,对相关序列模式挖掘算法的理论和应用进行了分析,重点研究了 GSP算法和PrefixSpan算法的基本理论、算法流程和模型优化,并对比分析了两个不同序列模式挖掘算法的运行速度和优缺点,发现PrefixSpan算法明显优于GSP算法,用PrefixSpan序列模式挖掘算法对样本测试集进行挖掘,将预测出的初始病程序列进行患病规律分析;其次针对初始病程序列冗余并且不全面的问题,给出了一种基于多最小支持度的优化改进方法,用改进方法挖掘出病程序列后再进行分析,得出与初始病程序列不同患病规律,然后根据预测出的患病规律给出相应疾病的预防策略;最后探究深度学习算法在医学应用中的优缺点,生成病程预测模型并验证该模型的准确性,通过对比深度学习中的RNN算法和CNN算法的运行速度和准确度,选择性能较优的深度学习算法在系统中进行实现。这三部分工作为智能中医诊疗系统的算法设计奠定了理论和实验基础。最后,采用改进的PrefixSpan算法作为中医病程规律挖掘的主要方法,CNN算法作为生成病程预测模型的主要方法,设计出基于Django框架的智能中医诊疗系统,具体实现了患病规律分析和病程准确性预测等辅助诊断功能,以及病人信息、医师信息、诊断记录的基础数据管理功能。