该毕业论文首先对数据挖掘进行了概述,阐述了关联规则数据挖掘技术的概念、算法中经典算法等;接着论述了关联规则在医学图像挖掘技术的应用,详细地分析了作为关联规则数据挖掘基础的Apriori算法,然后分析了关联规则数据挖掘经典算法的改进---FP-growth算法,给出了它的详细算法描述,对这个算法在医学图像挖掘技术上的应用进行了实验并且以一个系统将FP-growth算法在医学图像挖掘的应用直观地体现出来. 最后，我们概述了FP-growth算法在医学图像挖掘应用和未来研究中将要面临的问题。
本文的具体安排如下：
第一章“绪论”。介绍了本课题的背景与研究意义，给出了课题的主要研究内容和章节安排。
第二章“数据挖掘”。我们对数据挖掘的概念出发，分析了数据挖掘的环境、过程、分类以及功能等相关知识。
第三章“关联规则挖掘技术”。简要介绍了关联规则挖掘技术的几种算法，对经典算法---Apriori算法做出了较为详细的分析，根据它固有的缺点从而引出本文的所研究的重点算法FP-growth算法，继而对FP-growth算法进行了深入的分析。
第四章“FP-growth算法在医学图像上的应用”。详细介绍了适合于医学图像应用的快速的关联规则挖掘算法---FP-growth算法，采用了一个医学示例详细描述了这种算法是如何从有效的医学图像数据库中提取出隐藏的信息，指明了这种技术今后的研究方向。
第五章“关联规则挖掘系统的实现”。用一个直观的图形用户界面将FP-growth算法在挖掘组织特征之间关联关系的功能实现出来，从而体现了对FP-growth算法研究的重要价值，同时，最后也提出了系统的不足之处。
第六章“结束语”。对论文内容进行了总结，根据本次设计的体会对未来进一步的研究做出了展望。