在城镇职工基本医疗保险改革的过程中,医保定点医疗机构出现了大量的问题,这些问题严重的影响了医疗保险基金的安全运行。为解决这一问题,2004后政府采用了对医保定点医疗机构进行信用等级评价的管理办法。为实行对医保定点医疗机构进行信用等级评价的管理办法,各地政府都采用了一些技术手段对医保定点医疗机构进行信用等级评价。根据所得到的材料来看,这些信用等级评价的方法主要是“专家评价法”。这种评价方法过于依赖评估人员的经验和能力,主观性较强,结果的客观、公正性难以保证。不仅如此,这种评价方法还需要大量的资金支持,对医疗保险基金造成了浪费,这与对医保定点医疗机构进行信用等级评价的初衷相违背。为了克服“专家评价法”的不足,本文利用人工神经网络模型对医保定点医疗机构的信用等级进行学习,并且根据学习过程中出现的问题,对人工神经网络做了改进,克服了医保定点医疗机构信用等级评价网络原有的不足。最后经过试验的分析与证明,学习所得出来的医保定点医疗机构信用等级评价网络是有效的,这个模型能被用于以后评价医保定点医疗机构进行信用等级的工作当中去。为了再进一步加强医疗保险中心对医保定点医疗机构的管理,在本文中,以医保信息系统形成的大量数据为基础,利用LOF算法对大量数据进行挖掘,找出了医保定点医疗机构的违规行为。最后经过试验证明:使用这种方法所找出的违规行为的准确率在60%以上,可见种方法是有效地。由于这种方法的使用,大大减轻了人工核实医保定点医疗机构违规行为的负担。