出血性中风是一种威胁生命的医疗状况，当您的大脑中的血管破裂并流血时，就会发生。它构成了卫生服务和受害者家人的负担。当前的中风的最终诊断是基于脑扫描。但是，出血性中风的临床诊断很复杂，取决于从业者的技能和经验。人类诊断错误导致治疗延迟，从而损害了临床结果。我们的愿景是在早期临床诊断出血性中风的临床诊断中提出一种人工智能方法。我们研究并比较了三种机器学习模型，即逻辑回归，随机森林和人工神经网络，在设置了中风数据集并确定最重要的特征后选择最佳的机器学习模型。我们可以得出结论，我们使用人工智能设计的系统非常重要，并有令人满意的结果，可以帮助卫生工作者快速诊断出出血性中风并促进对可疑患者的快速治疗