社会医疗保障制度作为一项关系到国计民生的制度,一方面在保障全体劳动者健康,免于伤病威胁方面发挥了重要的作用;另一方面,由于医疗过程缺乏有效的行为规范和标准化,违规现象时有发生,这不但损害了患者利益、引起医患关系紧张,而且造成医疗资源浪费,阻碍了医疗卫生事业的发展。因此,从临床诊疗过程中挖掘异常行为,对于规范医院诊疗行为,预防违规和欺诈行为,减少医疗资源的流失有着十分重要的意义。结合课题研究背景及国内外研究现状和基于医疗界提出的“临床路径(Clinical Pathway)”的概念,论文通过关联规则挖掘方法,从临床数据中挖掘出合法的行为模式,并以此为基础,构建面向领域的异常检测模型,用于甄别临床事件中的异常诊疗行为。本文研究的主要工作如下:1、论文讨论了主流的异常检测方法,着重分析了关联规则在医学临床挖掘中的应用。进行了医疗领域的分析,研究了医学数据的特点,并给出了临床数据预处理方法;2、分析了临床行为数据所具有的时序特征以及基于临床路径的单病种诊疗行为特点,针对现有算法的不足,改进了GSP算法,提出了具有持续性时间约束的频繁序列挖掘算法CBS GSPA,通过引入合法子序列的概念描述子序列的时序性,使用时间约束关系对子序列进行序列合法性的判断,确保继续生成正确候选项,并计数符合临床行为标准的合法子序列的支持度,从而完成序列模式的裁减,进而发现临床数据中频繁的行为序列模式;3、针对临床行为受时间约束的特点,通过分析了频繁序列生成规则时受到合法性约束的问题,提出了ARCBS(Association Rule of Clinical BehaviorSequence)算法来挖掘临床行为序列关联规则,并以此为基础构建了临床行为异常检测模型;4、设计了原型系统的框架结构,对关联规则提取、异常检测等环节进行了实现,通过对异常检测的效果的评测,验证了模型的可用性。