随着人们生活水平的不断提高，养犬的家庭越来越多，犬病也不断发生。因此，对具有丰富诊疗知识和经验的犬病临床诊疗人员的需求也日益增加，而我国现有的从事动物疾病临床诊疗人员的数量和水平都很难满足这种日益增长的需求，而且这种矛盾表现得越来越突出。单纯靠培养专业的动物疾病临床诊疗人员很难在短时间内解决这一矛盾。因此，开发犬疾病智能诊断系统应该是解决这一矛盾的有效途径。针对犬疾病智能诊断系统中的网络平台建立和诊断方式方法等问题开展了相关研究。阐述了集中式C／S模式和B／S模式等常用网络计算模式的基本特点并选取B／S模式作为本文所研究的犬疾病智能诊断系统的网络平台。人工智能的研究进展，极大地促进了智能疾病诊断技术的发展。从MIYCIN问世以来，基于专家系统的疾病诊断系统层出不穷，取得了极大的成功。但由于专家系统本身固有的如知识获取难等缺陷，加上疾病诊断的复杂性，使得单纯依赖专家系统的疾病诊断受到极大的制约。人工神经网络的并行性、容错能力和模糊推理能力则适时地解决了这个矛盾，使得将其与专家系统结合构建智能疾病诊断系统成为主流趋势。系统介绍了专家系统和人工神经网络技术，研究了两者集成的可行性和方式，探讨了适合于疾病诊断的神经网络类型，建立了犬疾病诊断的RBF网络模型。实验表明，该模型具有较高疾病诊断正确率和良好的泛化能力。系统以Jbuilder9+WebLogic+Oracle9i为集成开发环境，设计并实现了犬疾病智能诊断系统。