胸痛是急诊科的一种常见急症,急性胸痛疾病发病急,救治时间窗窄,鉴别诊断困难,给急诊科医生的诊断带来极大挑战。借助神经网络对急性胸痛患者早评估,能够辅助医生诊断、优化诊治流程,为患者争取宝贵的救治时间。本文针对医生对急性胸痛疾病快速诊断的需求,设计了基于五种典型急性胸痛疾病的分类诊断系统。分析并提取这五种胸痛疾病各自的相关特征,形成样本数据集,其中用于建模的样本数120组,用于测试的样本数20组。分别利用基本BP神经网络和经遗传算法优化的BP神经网络拟合样本数据,通过对患者临床特点的若干参数的计算得到初步诊断结果。具体研究工作如下:1、构建用于急性胸痛疾病诊断的BP神经网络。分析五种急性胸痛疾病的影响因素,提取、整合样本数据,构建基本的BP神经网络,经样本数据训练后的网络能够预测新样本所患疾病的类型。2、利用遗传算法优化BP神经网络初始权值阈值。BP神经网络随机的权值阈值使得预测的结果不稳定,优化后的BP神经网络能够改善这一问题,提高预测的准确性,使应用于急性胸痛诊断的BP神经网络更加合理。3、设计了可视化用户界面,构成了急性胸痛疾病诊断系统。系统操作过程简单,能够准确显示初步诊断结果,具有实用性,易于推广。本系统的设计依托MATLAB软件,系统模型的构建通过MATLAB编程语言、遗传算法工具箱等实现,系统的可视化用户界面通过图形用户界面工具GUI设计。20例新样本测试结果表明,BP神经网络、遗传算法优化的BP神经网络预测的准确率分别为85%、95%,说明系统是有效的,具有使用价值。