电子病历作为医院通过电子化方式记录患者就诊信息的诊疗记录,在医疗中作为主要的信息源,提供超越纸张病历的服务。随着医疗服务活动的开展,尤其是移动医疗设备与物联网技术在医疗领域广泛使用,各种健康数据日益积累,并且均呈现大数据量、异构分布的特性。这些数据结构复杂,彼此独立又相互关联性强。电子病历系统的环境通常是以单个医院为主体的本地系统,在构建个人健康档案时因为数据的弱语义性而利用困难。导致这种弱语义性的主要原因包括:不同电子病历系统间存在元数据异构;病例中包含大量非(半)结构化数据;诊疗系统相对封闭而知识共享困难。本文拟利用语义标注和外部开放关联数据融合的方式丰富电子病历系统中数据的语义信息,从而提升数据的机器可理解性和互操作性,并以此为基础进行进一步的关联挖掘和数据深层次利用。本文主要完成的工作包括:(1)设计了一种语义数据字典生成方法。本文首先针对诊疗数据的元数据自身的特点,设计了一种基于切词和关联单词替换的自动化的元数据语义标注方法,为诊疗数据的元数据生成包含丰富语义信息的数据字典。(2)设计了基于语义数据字典的医疗实例关联模型生成方法。本文针对电子病历系统中大量存在的诊断结果、用药信息、既往病史、症状信息等非(半)结构化的数据进行语义标注,并结合语义数据字典为每个实例抽取相应的医疗实例关联模型,将医疗数据与外部开放关联数据相融合。(3)建立了基于医疗实例关联模型的多维关联度计算模型。为了给本文研究提供实际的落脚点,本文利用前述研究提供的医疗实例关联模型,在包括但不局限于疾病类型的多维度上建立不同病例之间的关联关系,利用多维线性回归分析计算各维度在关联关系计算中占的权值。(4)基于多维关联度计算的诊疗辅助原型系统开发。最后,本文在上述三点研究的基础上设计实现基于关联挖掘的诊疗辅助系统,从大量的异构诊疗数据中查询目标病例的相似病例,为医护人员的诊疗方案制定工作提供决策支持。本文所提出的元数据和实例数据标注方法,在面对离散且异构的海量诊疗数据时既有较高的效率又能取得较好的准确率。利用生成的语义数据字典和医疗实例关联模型,离散在不同地域的不同医院的不同系统中的异构诊疗数据能够被有效的融合成为一个丰富的案例库。在此基础之上,经过权值优化的多维关联度计算模型能够更全面的挖掘不同病例之间的关系,从而对决策辅助提供更好的支持。