Este estudio tuvo como objetivo aumentar la precisión de una función de diagnóstico de la enfermedad de Alzheimer obtenida en un estudio previo dedicado a la aplicación de raíces de decisión en el diagnóstico de la enfermedad de Alzheimer. La raíz de decisión obtenida es una función de conmutación discreta de varias variables aplicada a la agregación de algunos indicadores a una evaluación integrada presentada como una superposición de algunas funciones de dos variables. Los valores de susceptibilidad magnética de las venas basales y venas del tálamo se utilizaron como indicadores. Se utilizaron dos categorías de pacientes como valores de función. Para aumentar la precisión, se sugirió la idea de utilizar redes neuronales artificiales, pero una característica de los datos médicos es su limitación. Por lo tanto, las redes neuronales basadas en conjuntos de entrenamiento limitados pueden ser ineficientes. La solución a este problema se propone preprocesar los conjuntos de datos iniciales para determinar los parámetros de las redes neuronales basadas en las raíces de decisiones, porque se sabe que cualquier raíz puede ser representada en la forma de una red neuronal incompletamente conectada con una estructura en cascada. No hay productos de software especializados disponibles públicamente que permitan al usuario establecer la estructura compleja de una red neuronal, por lo que se han determinado el número de coeficientes sinápticos de una red neuronal incompletamente conectada. Esto permitió predefinir redes neuronales completamente conectadas, comparables en términos del número de parámetros desconocidos. Se obtuvo una precisión aceptable en casos de redes neuronales completamente conectadas de una capa y dos capas entrenadas en conjuntos de entrenamiento limitados en un ejemplo de diagnóstico de la enfermedad de Alzheimer. Así, se confirmó la hipótesis científica sobre el preprocesamiento de conjuntos de datos iniciales y la selección de la arquitectura de la red neuronal utilizando métodos y algoritmos especiales.