目的 运用OPLS-DA和人工神经网络算法发掘和研究血细胞参数对乳腺癌的诊断价值。方法 收集乳腺癌患者和健康女性的血细胞参数，通过OPLS-DA发掘两者之间的主要差异血细胞参数；通过ROC法计算SCH772984主要差异参数对乳腺癌诊断的灵敏度和特异性；基于主要差异参数，建立神经网络诊断模型，用于乳腺癌的诊断预测。结果 OPLS-DA提示基于血细胞参数，乳腺癌患者和健康女性之间存在显著差异，平均血小板体积（MPV）、嗜碱性粒细胞绝对值（BA#）、血小板计数（PLT）、平均红细胞体积（MCV）、红细胞计数（RBC）和淋巴细胞绝对值（LY#）是两组之间的主要差异参数。上述参数对乳腺癌诊断特异性分别为0.564、0.983、0.622、0.674、0.immunological ageing878和0.762，灵敏度分别为0.819、0.614、0.618、0.561、0.393和0.514,ROC曲线下面积（AUC）分别为0.773、0.793、0.657、0.649、Laduviglusib小鼠0.643和0.635。基于6种主要参数，通过逆向传播算法经16 862次迭代建立人工神经网络模型，对乳腺癌预测的灵敏度为0.941 2，特异性为0.795 5。结论 本文通过OPLS-DA算法发掘了乳腺癌患者和健康女性之间的主要差异血细胞参数，成功建立了人工神经网络的乳腺癌预测模型，对乳腺癌的诊断筛查具有一定价值。