乳腺瘤分为良性和恶性两种,其中的恶性乳腺瘤是第一恶性肿瘤,对女性的生理健康造成极大的危害,且近年来在我国各大中城市呈现出上升的趋势。科学的乳腺瘤诊断方法不仅可以帮助人们及早发现良性乳腺瘤,还能防止将恶性乳腺瘤误诊为良性乳腺瘤而错过治疗时机。因此,科学的方法对乳腺瘤诊断非常必要,而乳腺瘤诊断模型则是该方法的基础。大量医学专家提供的高质量的乳腺瘤病例样本为科学的乳腺瘤诊断模型的建立提供了前提。人工神经网络拥有强大的学习能力和非线性映射能力,具有联想、概括、类比和推广的特性,已广泛应用在规律难以概括、机理复杂的医学诊断中。本文正是基于神经网络的这些优点和特点,研究基于多种神经网络的乳腺瘤诊断方法,并对各种方法进行比较,找到最合适的基于神经网络的乳腺瘤诊断方法的模型。本文的主要研究工作如下：(1)基于BP神经网络的乳腺瘤诊断方法的模型的研究。BP神经网络是应用最广泛的神经网络,其原理清晰,结构简单。但是BP神经网络模型的参数很多,这些参数对模型的收敛速度、误差、准确率的影响非常大。研究BP神经网络参数设置规律,为构造性能优越的基于BP神经网络的乳腺瘤诊断方法的模型提供参考。(2)基于遗传算法的神经网络输入变量优化研究。在基于BP神经网络的乳腺瘤诊断方法的模型中,过多的输入变量会降低模型的性能。将重要的输入变量筛选出来,去除冗余的输入变量,既不会降低模型的性能,又可以缩短建模的时间。遗传算法是一种有效的全局优化算法,研究输入变量的编码方法,确定遗传算法的评价函数和参数,挑选合适的输入变量,为基于BP神经网络的乳腺瘤诊断方法的模型的优化提供基础。(3)基于模糊神经网络的乳腺瘤诊断方法研究。ANFIS是既具有神经网络强大的学习能力及非线性映射能力,又具有模糊理论的模糊信息处理能力的综合型神经网络。利用ANFIS的模糊信息处理能力能够较好地处理乳腺瘤诊断样本数据。研究基于ANFIS的乳腺瘤诊断方法的模型及其诊断效果,将为乳腺瘤的诊断提供另一种解决方法。(4)基于不同神经网络的乳腺瘤诊断方法的模型比较研究。对基于不同神经网络的乳腺瘤诊断方法的模型从建模的过程、仿真结果等方面进行了比较系统的对比研究,分析其差异原因,为新的乳腺瘤诊断方法的建立和研究提供参考。论文最后进行总结,说明主要的研究成果,指出进一步研究的问题。