本研究以神经网络和基于案例的推理等人工智能技术为研究方法，以兽医临床常见的21种鸡病的表现症状、病理变化为研究对象，系统地研究了鸡病种类与其症状、剖检变化之间的复杂的对应关系，初步建成了以神经网络阵列诊断为主，基于病例的推理诊断为辅的鸡病诊断专家系统。经测试，单独使用系统的“直接诊断”模式的完全正确率为53.2％，未诊出率为12.8％，其余34％可把疾病的范围缩小到包括实际疾病在内的2-3种；在采用基于病例的推理诊断时，实际疾病的匹配度排在前两位的比例为57.5％；如果同时使用系统提供的“直接诊断”、“分类诊断”、“鉴别诊断”及“CBR诊断”等多种诊断方法，可使诊断的完全正确率达到70.2％，未诊出率为12.8％，其余17％可把疾病的范围缩小到包括实际疾病在内的2-3种。这些均基本达到辅助兽医临床诊断的要求。以“鸡传染性法氏囊病”为实例，证明增加病例，可有效地提高基于病例的推理诊断的正确性。 该专家系统采用了多种计算机技术（诸如多媒体、超文本技术），使其图文并茂，界面友好，操作简便，系统知识库、病例库易于修改、扩充，同时采用超文本技术集成了一套养鸡与鸡病防治的知识浏览系统，供用户查询、学习，并制作了有关高产蛋鸡饲养新技术的VCD光盘。 研究表明，利用人工神经网络、基于案例的推理技术开发兽医专家系统，提高其实用性是完全可行的，关键在于提供优质的学习样本和适宜的学习算法及推理策略。