目前,数字图像处理、模式识别和人工智能技术已经被广泛的应用在生物医学领域,并取得了一些成果,但用神经网络对细胞图像进行病理诊断的系统报道并不多,本论文在对卵巢癌细胞图像识别与特征值提取进行深入研究的基础上,应用神经网络对细胞图像进行诊断分类,并取得了令人满意的结果,并具有很高的临床应用价值。本文将从病人腹水中获取的原始卵巢癌细胞图像进行预处理,得到需要的细胞样本图像,提取细胞图像形态学的特征参数。采用多层感知器神经网络和径向基函数网络对细胞作诊断分类识别,并探讨了两种网络的多种算法。从识别的结果来看,径向基函数的识别率和多层感知器网络中自适应算法的识别率是最令人满意的,取得了比较理想的分类效果。本文对样本特征量选取的数量与特征量之间的线性关系对分类效果的影响作了研究。特征量多,分类识别率提高,但特征量之间如果有线性关系,则带来数据冗余而降低识别准确率。本研究将计算机技术与病理学专家的实际经验相结合,在采用图像处理技术对医学图像进行处理的基础上,应用神经网络进行细胞识别,在医学科研以及临床诊断方面有重要的现实意义和非常广阔的应用前景。