目前,医疗欺诈行为屡见不鲜,医疗纠纷日益增加,医患关系处于日趋紧张的状态。由于对医疗欺诈行为很难做出界定,监督管理单位不能很好的对医疗机构和医护人员进行监督。因此,建立临床异常行为检测系统,为监督管理单位对医疗欺诈行为进行界定时提供决策依据,从而对预防和监督医疗违规、欺诈行为和缓解医患紧张关系有着重要的意义。数据挖掘技术已经广泛地应用于各个领域,根据临床路径概念,分析临床医疗行为具有时序性的特点,结合医疗欺诈行为的特点,本文利用加权序列模式挖掘算法挖掘得到临床医疗行为模式,并研究基于序列模式挖掘的异常检测技术,构建临床异常行为检测模型,发现异常临床医疗行为。本文的研究工作主要为:(1)研究基于模式增长的加权序列模式挖掘算法(PT-WPSN)。该算法采用修订的加权前缀序列树存储结构,并结合模式增长思想,同时在挖掘过程中引入权值,最终挖掘得到临床加权序列模式。(2)分析事件序列相似性匹配算法,在此基础上,提出基于序列编辑距离的临床序列相似性匹配方法。在计算序列编辑距离时,加入综合了药效、用量和价格属性的医疗行为的相似性比较,并使用动态规划思想得到最小序列编辑距离,从而判定临床序列是否相似。(3)构建临床异常行为检测模型。采用检测行为模式库与正常行为模式库的偏离程度作为异常判定依据的思想,构建由临床行为模式挖掘、临床序列模式比较、临床序列相似性匹配和打分机制组成的临床异常行为检测模型。(4)实现原型系统。对原型系统进行架构设计,并将其进行代码化,最后对系统甄别出临床异常行为的能力进行评估、分析,验证模型的正确性和可用性。