随着社会的发展和人们生活节奏的加快,人们的健康医疗问题已经越来越受关注,目前各种高科技已广泛应用到医疗领域,取得了有目共睹的显著成就,使得数字医疗成为可能,而诊断是医疗问题的核心内容,诊断的准确率及效率关注着人们的生命和健康,医疗诊断的数字化,显得意义重大。粗糙集和神经网络算法,凭借他们各自的优势,已经广泛应用到各个领域,本文采用两种算法相结合,介绍了基于粗糙集和人工神经网络算法相结合在医疗诊断中的应用。算法是借助粗糙集强大的属性约简能力,将多种属性删除不必要的冗余部分,获取重要的起决策作用的部分,然后采用松耦合方式,融合神经网络算法,目的是提高系统的效率和精度。在属性约简方面,粗糙集显示了它强大的优势,仅以决策表的分类能力为基础,在保留关键信息的前提下对数据约简并求得知识的最小表达,在数据映射方面,神经网络则最专业,且具有较好的泛化能力和容错能力。求取决策表的最小约简是NP难问题。本文提出了一种基于贪心策略的相对属性约简改进算法,该算法不需要建立复杂的差别矩阵,通过计算属性的分类能力,找出相对重要的属性,然后根据重要属性的先后次序结合贪心算法,提高寻找最小属性约简的效率。人工神经网络本文采用BP算法,利用弹性梯度下降算法训练神经网络,通过设置最大误差项作为循环训练的条件,反复学习训练最终达到符合期许误差范围内的优秀网络并保存用来做诊断预测,将解决医学领域错综复杂的非线性关系达到良好的映射关系,该诊断系统作为基于三网融合的居家养老健康服务系统的一个子系统部分,可以与医院各种异构信息化系统对接,搭建了区域性医疗信息共享服务平台的雏形。