شبکه عصبی روشی در هوش مصنوعی است که به رایانه ها می آموزد تا داده ها را به روشی که از مغز انسان الهام گرفته شده است پردازش کنند. این شبکه‌ها ابزارهای ضروری در یادگیری ماشین هستند که توجه روزافزونی را در علوم اعصاب به خود جلب کرده‌اند. یک شبکه عصبی مصنوعی بر اساس مجموعه‌ای از واحدها یا گره‌های متصل به نام نورون‌های مصنوعی است که نورون‌ها را در یک مغز بیولوژیکی مدل‌سازی می‌کنند. هر اتصال، مانند سیناپس‎های (ارتباطات الکترومغناطیسی) یک مغز بیولوژیکی، می تواند سیگنالی را به نورون های دیگر منتقل کند. در این شبکه‌ها اگر یک سلول آسیب ببیند بقیه سلول‌ها می‌توانند نبود آن را جبران و در بازسازی آن سهیم باشند. این شبکه‌ها قادر به یادگیری‌اند؛ مثلاً با اعمال سوزش به سلول‌های عصبی لامسه، سلول‌ها یادمی‌گیرند که به طرف جسم داغ نروند و با این الگوریتم سیستم می‌آموزد که خطای خود را اصلاح کند. یادگیری در این سیستم‌ها به صورت تطبیقی صورت می‌گیرد، یعنی با استفاده از مثال‌ها وزن سیناپس‌ها به گونه‌ای تغییر می‌کند که در صورت دادن ورودی‌های جدید، سیستم پاسخ درستی تولید کند. هدف این بررسی مروری ارائه فلسفه کلی برای استفاده از شبکه عصبی مصنوعی در رویکردهای تشخیصی از طریق مثال‌های منتخب و مستندسازی تنوع بسیار زیاد داده‌هایی است که می‌توانند به عنوان ورودی برای شبکه‌های عصبی مصنوعی عمل کنند.