第1章　緒論
1.1 　引言
1.2 　數據挖掘的研究歷史和現狀
1.3 　當前數據挖掘的研究熱點
第2章　數據挖掘技術
2.1 　數據挖掘的定義
2.2 　數據挖掘繫統的主要成分
2.3 　數據挖掘的功能
2.4 　數據挖掘的流程
2.5 　數據挖掘在醫學領域的應用
2.6 　數據挖掘繫統工具
第3章　數據挖掘的算法及依據
3.1 　聚類
3.2 　模糊理論與聚類的結合
3.3 　因子分析
3.4 　Ｌｏｇｉｓｔｉｃ回歸
3.5 　關聯規則
3.6 　灰色預測
第4章　女性生化指標的因子分析
4.1 　因子分析在女性生化指標中的應用意義
4.2 　因子分析在臨床檢驗中的應用過程
4.3 　結果分析
4.4 　結論和討論
第5章　逐步聚類在血流變檢驗中的應用
5.1 　研究血流變指標的臨床意義
5.2 　將數據挖掘技術引入血流變的應用
5.3 　逐步聚類基本原理
5.4 　原始數據的準備工作
5.5 　原始數據預處理
5.6 　逐步聚類步驟
5.7 　逐步聚類結果
5.8 　逐步聚類方法的優缺點
5.9 　結果分析
5.10　運用方差分析驗證聚類結果的可靠性
第6章　逐步聚類在肺癌ＣＴ圖像特征的應用研究
6.1 　孤立性肺結節肺癌與ＣＴ 圖像特征關繫研究現狀及意義
6.2 　研究方法
6.3 　結果分析
6.4 　討論
第7章　因子分析與聚類方法在中風與血流變關繫的應用研究
7.1 　中風與血流變關繫的應用研究的意義
7.2 　研究方法
7.3 　結果分析
7.4 　結論和討論
第8章　模糊聚類和Ｌｏｇｉｓｔｉｃ回歸在試管嬰兒成功因素的應用
8.1 　研究背景及現狀
8.2 　數據預處理
8.3 　建立Ｌｏｇｉｓｔｉｃ回歸模型
8.4 　關鍵因素的相對重要性分析
8.5 　樣本的模糊聚類過程