随着我国信息化程度的不断提高,各类信息技术和手段也在医疗行业得到了广泛的应用,信息系统的应用能够有效记录患者信息、检验结果、诊断数据等信息,如果能从这些大量的信息中挖掘出具有价值的规律或关系,就能够为诊断决策或科研辅助提供支持。地中海贫血作为一种遗传性疾病,多发于我国两广地区,作为地域性疾病的代表,无论是在优生优育检测中,还是在个人疾病预防的检测中,都占有一席之地。目前地中海贫血疾病的诊断以基因检测诊断为主,并伴随常规地中海贫血筛查检验,但基因检测因其造价较高、检测时间较久,并不是临床首选检测项目,因此常规地中海贫血筛查检验结果对是否需要进一步施行基因检测起到关键作用。而常规地中海贫血筛查检验项目中,由于涉及到的检验指标较多,需要进行综合考量才能得出最终结果。目前临床医学诊疗行为受制于个人经验和知识水平,如果能够通过信息化手段自动实现对多指标综合分析判断,得出诊断结果及其分类,将对临床进一步诊疗起到指导意义。本文基于临床对地中海贫血疾病自动化诊断的强烈需求,针对广西壮族自治区某三甲医院现有LIS系统（实验室信息管理系统）中地中海贫血疾病自动化诊断功能缺失的问题,结合Canopy算法与K-means算法相结合的聚类算法速度快、聚类中心点敏感、能够自动解决分类问题的特性,提出了针对该疾病的自动化诊断解决方案,以降低临床依赖个人经验和知识造成的误诊漏诊率。为实现该疾病的自动诊断功能进行了如下研究工作:（1）在对聚类分析算法进行研究的基础上,结合地中海贫血疾病诊断的实际应用场景,针对Canopy算法与K-means算法相结合的聚类算法对初始聚类中心敏感、易陷入局部最优解的问题对其采用平均差异度方法进行改进,并对Canopy算法T值选取的方法进行改进,进一步提高算法的运算速度和聚类精度。采用该医院的真实地中海贫血筛查检验数据进行实验,结果表明本文提出的融合后的聚类分析算法能够提高分类结果的准确率,并且在对大数据集进行计算时速度较快。（2）将本文提出的融合后的聚类分析算法应用到该医院的LIS系统中,设计并实现了地中海贫血疾病自动化诊断功能模块。通过测试,地中海贫血疾病自动化诊断功能模块能够有效提高地中海贫血疾病诊断的正确率,并提供了异常结果自动提醒功能。结果表明,地中海贫血疾病自动化诊断功能模块能够实现地中海贫血疾病的自动化诊断,并能够有效降低人为因素造成的误诊、漏诊几率。