近些年来，数据挖掘(Data Mining)技术在医学上已经得到了广泛的应用。本文从手术诊断实际需要出发，研究了决策树挖掘技术在医学诊断中的应用研究问题，并且构建了一个可视化的实验系统。 本文首先简要阐述本课题的研究背景，指出将决策树技术应用于医学诊断的理论意义和现实意义。同时，介绍本文的研究内容、创新点以及理论分析框架。本文引入了决策树基本理论、决策树建树算法、决策树前后剪枝算法。其中重点介绍如何利用决策树算法生成决策树，以及PEP后剪枝算法和卡方测试前剪枝算法，并用实例进行阐述。主要介绍对手术诊断决策表的数据预处理过程。根据手术诊断信息的特点，利用等频离散化算法及泛化技术将手术诊断信息进行离散化预处理，得到离散化了的手术诊断信息决策表。本论文的主要创新点是决策树的可视化实现，就如何将一棵多叉树美观的呈现出来进行了详细的阐述，提供了可操作的算法，并分析了该算法的时间复杂度。 进一步的文章介绍了基于决策树理论的决策系统。该系统在Jbuliter2006平台下开发，实现了从手术诊断信息决策表读取、创建决策树、决策树前后剪枝、规则提取及输出保存的一整套算法，在上面的几个步骤中，显示决策树、规则集或测试结果都可以通过本系统进行可视化的显示。实现了从抽象的决策树生成到具体的显示该决策树、从生成到最后的测试和规则提取的整个过程。最后用手术诊断决策表进行测试，结果证明了程序和算法的正确性。 论文最后对本文的研究结论进行了归纳和总结，阐述了本项研究的启示和主要贡献，也指出了本项目研究中的不足和下一步的研究方向。