在临床治疗中,中风患者并发心肌梗塞（以下简称心梗）的发生率高达30%,病死率高达54%,并且中风并发心梗的提前预测极差。如果能从其他日常检测指标提前预测心梗,从而可以提前监控和治疗,降低中风患者并发心梗的死亡率,如何在中风患者数据中预测心梗是一个巨大挑战。因为患有心梗的病人占中风病人的比例很小,所以中风病人是否患有心梗的数据是极度不平衡数据。本论文提出了一种针对中风病人的不平衡数据处理算法,基于该算法构建中风病人并发心肌梗塞预测模型,并根据该模型开发了中风病人心肌梗塞预测系统工具。具体研究内容如下:1.结合使用随机下采样、聚类和上采样设计了一种针对不平衡数据的处理算法,称为下采样-聚类-上采样算法（简称UCO算法）。UCO算法输入不平衡数据,而输出平衡数据,使用这些数据可以有效地训练机器学习模型来预测中风病人是否患有心梗。2.基于UCO（120）设计了中风心梗预测模型UCO随机森林模型（简称UCO（120）RF模型）,将该模型用于美国临床重症医学数据库MIMIC-Ⅲ中,实验结果表明,该模型的准确度为70.29%,精度为70.05%,能较准确地预测中风患者是否会发生心梗。3.基于UCO（120）RF模型,本文设计开发了一种中风病人并发心肌梗塞的预测系统工具,该工具能够实现对中风病人是否患有心梗的预测,输入病人的临床检测数据,能够自动生成预测结果和预测报告。实验表明,该系统能够实时对中风患者的数据进行预测,帮助医生提前采取决策进行临床治疗。