目前,计算机技术与医疗领域合作的愈加密切,在智慧型医疗系统建设方面也发挥着不可或缺的作用,看病时智能叫号系统、药房的智能取药系统等,都体现出计算机技术在医疗领域的地位。现如今计算机技术在疾病预测、精准诊断和辅助治疗方面都有了很大的发展,最终目标是在诊断和治疗方面提高准确性、快速性。智慧医疗从提出到完全实现再到成熟应用于相关领域还有很长的一段路要走,现在处于发展的初级阶段。将计算机技术应用于疾病预测、精准诊断和辅助治疗方面,对促进心血管病等一些潜伏期较长疾病的检查与医治等方面具有很重要意义。然而,在疾病预测方面的研究还存在一些问题,一是计算机大多被用于疾病的检测而并非预测,知识挖掘技术经常用于处理图像,最终还需要医生人工进行判断;二是由于疾病的复杂性,如病前征兆和发病症状具有相似之处,并且不同疾病领域的专家依据长久的知识积累及临床经验,从而对于相同的临床症状诊疗出不同的疾病结果。针对以上提出的问题,为进一步提升医疗水平,对疾病能够实现预测进而预防和诊断,本文通过研究心血管疾病常见指标,结合神经网络的自适应性的特点,将BP神经网络算法应用在心血管病的预测中,能够有效地减少人工诊断的误差,提高疾病预测的精确度。基于BP神经网络的心血管病预测系统的研究与实现主要工作包括:1、融合了过滤和封装的属性约简算法。研究特征属性选择方法,并且对比学习基于过滤的和封装的特征选择算法。参考已有的心血管病预测成果,对心血管病预测系统中的各个指标进行采集、清洗。为约简疾病数据高维度的特征,减少冗余性并提高系统性能,提出了基于融合过滤和封装的属性约简算法来解决特征选择问题。2、基于BP神经网络的预测模型的构建。本篇论文列举了几种疾病预测方法并进行分析比较,最终确定了将神经网络的预测方法应用于心血管病预测,根据目前学术界已成熟应用的实验数据和环境,搭建基于BP神经网络的心血管病预测模型。本文研究了 BP神经网络的基本结构、算法实现步骤以及网络的训练和预测过程,并在训练过程中不断调整权值,使疾病预测模型误差较小。3、心血管病预测系统的设计与实现。根据现有的疾病预测模型,结合论文中构建出的BP神经网络模型,对心血管病预测系统进行需求分析和功能定位,搭建疾病预测系统的总体框架,该系统的从设计到搭建再到实现目标,为心血管方面的疾病准确及时预测提供了一种有效的方法。