乳腺癌诊断数学模型.pdfVIP

乳腺癌诊断的数学模型 摘要 本文解决的是乳腺癌判别的问题。我们先用Excel 软件对80 组数据进行统 计分析，把患者分为良性组和恶性组，以方便后面建立模型。为了解决这三个问 题，我们建立了以下三个模型。 对于问题一，我们建立了多元回归分析模型和Fisher 模型。首先我们利用 计算机随机排列抽样，选取前50 个患者作为样本数据，以各元素的含量 x (i 1,2,...,9) 为自变量，用是否患有乳腺肿瘤作为因变量因变量（用 表示，当 i y y 1时，表示恶性；当y 0 时，表示良性）去建立多元回归模型。利用matlab 编程，得到多元回归方程，并将剩下的28 个患者样本作为检测值代入模型检验， 得出误判率为7.14% 。误判率较高，因而我们引入了Fisher 模型。通过理论推导 及在matlab 中编程，得到Fisher 判别函数为y c x c x c x ,其中系数 1 1 2 2 p p 为0.0291，-0.0218，0.0201，0.0089,0.0106,0.0096,-0.0038,0.0164,0.0189. 仍然将剩下的28 个患者样本作为检测值代入Fisher 模型检验，得出误判率为 3.57%7.14%，可以看出Fisher 模型能降低误判率，较好地满足要求，因此问题 一我们采用更为准确的Fisher 模型。 对于问题二，运用模型一中的Fisher 判别模型对已知病例判断。将待诊断的 20 个患者数据代入Fisher 模型中，从而可以判断出20 名患者中有8 人的肿瘤 为恶性，他们的病例号分别为1、4 、5、7、10、11、15、19，剩余12 名患者的 肿瘤为良性。 对于问题三，我们通过统计产品与服务解决方案软件（即Spss 软件），利用 主成分分析模型对已知的九个指标进行分析，通过剔除法，保留对因变量作用显 著的指标，剔除作用不显著的指标。得到乳腺肿瘤肿块的厚度、细胞大小的均匀 性、细胞形状的均匀性、正常的核仁四个主要指标。在四项主要指标的基础上， 建立 Fisher 模型。在 matlab 中编程，得到 Fisher 判别函数为： y = 0 . 0 2 45 x 0x. 00 3 4 x 0. 0 0 2 9x 0 . 0 1 2 4 ，然后进行模型检验，得到模型的误 1 2 3 4 判率为3.57%，达到了减少化验指标的效果。 关键字: Fisher 主成分分析法 Spss 多元线性回归 1 问题重述 1.1 问题背景 全世界每年约有 120 万妇女患乳腺癌，50 万人死于乳腺癌，乳腺癌已经成 为全球女性发病率最高的恶性肿瘤。怎样在乳腺肿瘤的辅助诊断时合理的进行判 断，来达到更好的预防或治疗目的是本问题的关键。 1.2 某医院患者的相关信息 下面是某医院乳腺肿瘤患者的一组数据 （数据见附录一），其中前面9 个指 标分别表示乳腺肿瘤肿块的厚度、细胞大小的均匀性、 细胞形状的均匀性、边 缘的粘连、单层上皮细胞的大小、裸核、温和的染色质、正常的核仁、有丝分裂， 尾数 0 表示确诊为“良性”，1 表示确诊为“恶性”，数据已经归一化为0 到 10 之间的自然数。 1.3 需要解决的问题 问题一：根据以上数据，请提出一种或多种判别乳腺肿瘤属于“良性” 还 是 “恶性”的方法，并检验你提出的方法的正确性。 问题二：现有一组乳腺肿瘤患者的九个指标数据如下，请你按照你在问题一 中提出的方法分别判别属于“良性”还是“恶性”。具体数据见附录二。 问题三：试确定哪些指标是区分乳腺肿瘤是 “良性”还是“恶性”的主要指