Salah satu tugas dokter saat mengamati gambar citra Sinar X tengkorak manusia adalah diagnosa atas kelainan pada gambar tengkorak tersebut. Saat pengamatan tersebut sering ditemui sikap keragu-raguan dokter dalam mendiagnosis bagian-bagian yang terdapat pada citra tersebut. Keragu-raguan tersebut disebabkan kekaburan penampakan bagian-bagian pada citra, diantranya sulit membandingkan mana fraktur dan mana pembuluh darah, sebab keduanya pada satu daerah bisa nampak sama. Memang secara biologis antra fraktur dan pembuluh darah jelas berbeda, tetapi karena berbagai hal ternyata penampakannya di citra terlihat hampir sama. Penulis mencoba menuangkan pengalaman tadi pada sebuah upaya pengenalan pola fraktur dan pembuluh darah melalui pembelajaran jaringan neural buatan dengan algoritma propagasi balik standar. Pada pelaksanaan pembelajaran diperlukan ciri yang unik pada masing -masing pola, dengan berbagai pertimbangan digunakan enam ciri momen invarian dan dua ciri dari spektrum frekwensi Fourier yaitu apmlitudo dan sudut fase. Kedelapan ciri tersebut dicobakan pada pembelajaran propagasi balik standar. Dari tahapan latihan (Training) di dapat hasil bahwa penambahan ciri pola dengan jumalah data pelatihan 75% berdampak pada peningkatan konvergensi. Demikian pula dengan penambahan jumlah data pelatihan pada pelatihan dengan jumlah ciri 7 dan 8 menghasilkan kesimpulan yang sama. Sedangkan pada tahap pengujian diperoleh hasil bahwa penambahan ciri sampai 8 dapat meningkatkan average accurate dan overall accurate. Serta pengujian denan 8 ciri menghasilkan tingkat pengenalan yang paling baik (di atas 70%) dibandingkan dengan 7 ciri atau 6 ciri.