目的 随着当前医院肿瘤患者放疗数量的日益增长，对放疗设备持续稳定治疗的要求越来越高。放疗直线加速器是放射治疗的主要设备，多叶准直器（multileaf collimator,MLC）是调强放疗最为频繁的系统之一，但其故障发生率较高，一旦发生故障宕机，不仅影响病人治疗效果，还会给医院带来经济损失。因此，快速准确识别并排除故障，对保障MLC系统的正常运行具有重要意义。本文提出一种基于概率神经网络（probabitistic neural network,PNN）的MLC系统故障识别诊断方法，为MLC系统的不同故障现象和类型提供维修依据。方法 结合复旦大学附属肿瘤医院医科达放疗加速器故障维修经验及日常报错记录，整理分析MLC系统构成及常见故障现象共140例，统计研究常见故障下设备状态的各项参数数据，选取能够表征故障特征的信息作为输入向量和故障分类输出向量，用不同特征输入向量的组合代表不同的故障类型，数据归一化乱序处理后，创建PNN神经网络模型并进行训练，最后将故障实际分类和预测分类结果对比分析。结果 通过分类结果对比和混淆矩阵可知，训练集样本一共98个，预测对比精确度为100%；测试集样本一共42个，预测对比精确度为97.619%，训练总时间为4.626s。结论 基于PNN概率神经网络的MLC系统故障识别诊断模型具有训练速度快、容错性好，识别诊断精准度高等优势。