【摘要】为提高医疗决策的效率和有效性，建立了邻域粗糙集融合贝叶斯神经网络的组合医疗决策模型。首先，通过邻域粗糙集对医疗决策系统进行知识约简，去除系统中冗余、干扰的指标，提取关键指标，并将约简后的指标作为神经网络模型的输入指标；之后针对ＢＰ神经网络容易过拟合的缺点，采用贝叶斯正则化方法对神经网络进行优化，提高输出指标的预测效果和效率。最后，通过一个心脏病医疗诊断实例对模型的应用实现效果加以分析及验证，结果表明，模型测试集分类准确率达到了８８．８９％；并将实验结果同几种常见的属性选择方法、分类模型以及２００８～２０１４年的８个历史参考文献进行了对比。