近年来,.医学工学结合进行诊疗研究引起了越来越多科研人员的关注,逐渐成为科学研究的热点。本文紧随医学工学交叉研究的步伐,挖掘医工交叉研究的结合点,以辽西某三甲医院为依托合作单位,顺应医患双方对于疾病预后预测的强烈需求,采用人工神经网络技术(Artificial Neural Network, ANN)对骨科损伤预后预测问题展开深入研究。鉴于骨科损伤预后情况的广泛性和复杂性,课题选择颈脊髓损伤和股骨转子间骨折(简称转子间骨折)预后问题为研究对象,由点及面地对骨科损伤预后预测中涉及到的关键问题和优化过程做深入分析,并通过研发推广骨科损伤预后预测系统体现了医学工学交叉结合的实际价值。颈脊髓损伤和转子间骨折损伤预后具有鲜明的非线性特点,很难建立准确的预后数学模型,而人工神经网络技术具有优良的非线性拟合和逼近能力,非常适合解决这一类非线性预测问题。因此本文首次将ANN用于骨科损伤的预后预测领域并开展了深入系统的研究工作。首先,选择误差反向传播神经网络(Back Propagation, BP)和概率神经网络(Probabilistic Neural Network, PNN)作为预测工具,同时基于模糊三角数的层次分析法建立了骨科损伤预后预测模型的指标评价体系,对性能指标进行了权重排序,并充分对比分析了BP网络和PNN网络的各自优缺点,结合指标评价体系为使用者提供了选择恰当神经网络预测模型的标准和方法。其次,使用传统的BP网络和PNN网络进行了骨科损伤预后预测前期试验,结合相关文献充分分析了前期试验预测精度较低的原因,发现了传统神经网络算法的自身缺陷。进而针对PNN网络的平滑参数间缺乏差异性,无法满足预测模型自适应要求的缺陷,利用变惯性权重的粒子群算法(IPSO)优化其平滑参数；针对BP网络收敛速度慢且容易陷入局部极值的缺点,利用改进的遗传算法(PGA)优化其隐层节点数和连接权值。并在优化算法基础上建立了IPSO-PNN预测模型和PGA-BP预测模型进行骨科损伤预后预测。再次,输入大量具有统计学意义的训练样本训练IPSO-PNN预测模型和PGA-BP预测模型以得到准确的预测输出,并输入大量的检测样本来检验神经网络预测模型的泛化能力,仿真结果表明,优化后的预测模型的预测精度、稳定性和泛化能力都有了很大的改善和提高。在仿真结果的基础上,本文对比了几种不同神经网络预测模型的输出特性,呼应预测模型指标评价体系的性能权重排序,汇总了BP预测模型和PNN预测模型的优缺点和各自优势领域。同时将优化的ANN预测模型与医学常用的logistic回归模型进行对比分析,突出了ANN方法进行骨科损伤预后预测的优势,也为相关医务人员提供了多元化的选择和参考。最后,本文在前期理论研究和仿真试验的基础上,利用MATLAB图形用户界面(GUI)技术设计研发了骨科损伤预后预测系统,并在合作医院小范围推广使用,反馈信息表明系统运行良好,达到了预期设计目标,可以为临床医生提供有力的参考帮助,为患者及时全面的制定下阶段的治疗和康复方案。