内分泌系统是通过激素实现机体生理功能和内环境稳态的调控作用，研究人体内分泌激素的调控机理以及内分泌激素的相关关系具有十分重要的现实意义。本文以厦门市社会发展计划项目“垂体性激素的建模分析及临床应用”(编号:3502Z20044003)为背景，就女性常见的乳腺疾病问题，以临床数据为基础，采用数理统计、数据挖掘和人工智能的方法，研究乳腺疾病人群内分泌激素的变化规律。　　 本文提出了建立规范数据收集的整体框架及病例数据和实验数据相结合的整体分析思路，应用逻辑回归分析建立激素和乳腺疾病的关系模型;建立激素与疾病的关联规则分析，用于辅助推断患者疾病情况;采用BP神经网络分析内分泌激素与乳腺疾病之间的关系，进行乳腺疾病辅助诊断研究;并初步设计信息系统辅助规范数据收集、数据分析及咨询服务，辅助乳腺疾病诊断治疗。对医院研究内分泌系统的生理和病理基础、乳腺疾病的早期诊断、疗效判断、科学研究等初步提供了有价值的数据。　　 本文的内容安排组织如下:　　 第一章介绍了课题背景及意义，综述了内分泌系统研究现状，数据挖掘和人工智能方法在医疗诊断方面的应用现状，针对本课题的研究对象，提出了论文使用数理统计、数据挖掘和人工智能方法辅助医学诊断的研究思路、整体框架和创新点。　　 第二章介绍了内分泌激素系统和乳腺疾病的基本理论。在对内分泌系统的描述中，首先对内分泌激素的产生、分类和作用进行简单介绍，之后介绍了内分泌系统的调控机理，包括内分泌系统三大轴系的控制过程。最后分析了常见激素本身以及它们与乳腺疾病之间的关系。　　 第三章采用Logistic回归建立数学模型，研究内分泌激素与乳腺疾病的关系。通过对临床数据进行量化分析，作出预测，得到不同情况下激素的分布范围和对应疾病的关系，即激素与乳腺疾病的关系预测，为后续的研究工作提供对比分析的依据。　　 第四章介绍了关联规则这一常在辅助诊断中使用的技术，阐述了关联规则的基本概念和基本的关联规则挖掘算法，并使用该算法对内分泌激素数据库中的数据进行挖掘。详细阐述挖掘过程中的数据预处理，然后根据最小支持度和最小置信度来挖掘对应规则，对规则进行过滤以获取最后有效的规则，提取出一些有效，有价值的诊断规律，寻找内分泌激素与内分泌疾病之间的关联关系，这些规则对内分泌疾病的辅助诊断有一定的意义及创新性。　　 第五章采用BP神经网络对内分泌激素与乳腺疾病之间的关系进行辅助诊断研究。针对乳腺疾病诊断存在多个分类结果的情况，提出了多目标分类算法，包括联合分类器模型、多输出分类器模型以及针对前文结论所提出的单输出分类器模型，并对模型进行实际应用，对结果进行比较分析;最后，将BP神经网络模型与关联规则模型及logistic回归模型计算的结果进行对比分析，将三种模型各自的特点进行对比研究。　　 第六章设计内分泌激素信息管理系统，包括系统设计的构想、核心部分设计、系统扩展、系统设计方案、系统模式和软件环境等。内分泌激素信息管理系统可以辅助规范临床数据收集、数据分析及咨询服务，使得辅助诊断更加可视化和便捷化。　　 第七章对全文内容进行总结和展望。总结了本文的研究工作，并提出了改进思路和今后的研究方向。