脑血管疾病已成为危害中老年人身体健康和生命的主要疾病。根据其病理变化分为出血性和缺血性脑血管病两大类,主要症状表现为:头痛、眩晕、恶心、呕吐、偏瘫、偏身感觉障碍、偏盲、失语、嗜睡或昏迷等。人工神经网络是近期发展最快的人工智能领域研究成果之一。BP神经网络模型是阶层型神经网络中使用最广泛的一类,它通过迭代梯度算法求解前馈网络的实际输出与期望输出之间的最小均方差值,并能反向传递和修改误差。随着误差逆传播修正的不断进行,网络对输入模式响应的正确率也不断上升。当参数适当时,此网络能够收敛到较小的均方差。本文在介绍BP神经网络的有关原理的基础上,针对BP神经网络收敛缓慢的缺陷,以L-M算法代替梯度下降法训练神经网络,建立了基于L-M算法的脑血管疾病BP神经网络模型。该算法较梯度下降算法大大加快了网络的训练速度,BP神经网络模型共三层由16个输入层节点,11个隐含层节点,4个输出层节点组成,用该模型可以根据16个脑血管疾病典型症状诊断出4种脑血管疾病。本文采用Visual C++6.0实现了该BP神经网络模型,为了加强模块化和以后改进方便训练算法和矩阵操作部分分别用动态链接库实现。系统分为训练和诊断两部分,系统首先根据给定样本数据进行训练,然后保存BP网络权值矩阵。在诊断时首先调入权值矩阵,根据输入的症状,进行BP网络的前向计算,得到输出结果,然后和4种疾病的标准输出比较得出诊断结果。本文将训练后的系统用于诊断测试,取得了较好的效果。表明人工神经网络方法在疾病诊断方面的应用是可行的并且是有效的。