基于BP神经网络与逐项回归方法的肾炎诊断.pdfVIP

中国科技论文在线 基于 BP 神经网络与逐项回归方法的肾炎诊断 问题研究 高珩，邱烨，程菲，鲍鹏 中国矿业大学计算机科学与技术学院，江苏徐州（221116 ） E-mail ：ghhappy007@ 摘 要：本文将肾炎诊断归结为数理统计问题，在问题研究的过程中，建立了BP 神经网络 模型和判别分析模型，利用神经网络训练得到仿真模型,利用回归法得到判别模型,并采用回 代和比较 F 值的方法检验模型，确保了模型的正确性。同时引入逐项回归模型，以确定肾 炎主要影响因素。最后，我们把用七项检查指标判断结果与简化为主要因素之后的结果进行 比较，并提出了改进方案。 关键词：数理统计；分类判别；BP 神经网络；逐项回归 1. 引言 病人到医院检查肾炎时，往往需要检查若干项指标。为了优化判别方案，并进一步精 减化验项目以降低检查费用，通过建立模型找出各项指标与病人身体健康状况之间的关系。 现给出 90 个人的各项指标，其中 30 人为确诊的肾炎患者，30 人身体健康，30 人为待 测样本。 我们需要解决的是以下几个问题： 问题（1）.提出一种或多种简便的方法，判别就医者属于患者或健康人，并检验所提出 方法的正确性。 问题（2 ）.按照 1 提出的方法，对样本中的 30 名就诊人员的化验结果进行判别，判定 他（她）们是否健康。 问题（3 ）.根据所提供的 60 名确诊者的指标，确定哪些是影响人们患肾炎的关键或主 要因素，以便减少化验的指标。并利用此种方法重新对 30 名就诊人员进行判断。 问题（4 ）.对根据七种指标和主要指标分别得出的结论进一步讨论。 2. 基本假设与符号说明 2.1 基本假设 1.假设个别有误差病例对模型的影响可忽略； 2.健康者和患者两类人群的 Zn 、Cu、Fe 、Ca、Mg 、K 、Na 等的期望值、标准差、相 关系数与由数据给出的样本的统计量一致，且服从正态分布； 3.假设所给样本真实精确，并足以概括普遍就医者的身体状况； 4. 肾炎只由所给出的七种指标决定； 5.人体内各项指标不随时产生较大幅度的波动。 2.2 符号说明 Gi ：样本的总体类别 (i 1,2) A i :总体的样本离差矩阵 W (ω ω ω ω ω ω ω ) 1 2 3 4 5 6 7 ：各影响因子的权值矩阵 - 1 - 中国科技论文在线 (i) x :样本均值向量 s ：一定有限样本数目下取样方差估计值的标准偏差 3 ．问题分析 元素，作为构成人类生存环境的基本物质单元，在人的整个生命活动中发挥着巨大的 作用，多年以来，临床医学和预防医学工作者进行了大量人群流行病学调查，广泛深入地研 究了元素与疾病发生、发展、预后和转归的关系，元素在预防疾病、诊断疾病、维持健康等 方面的应用，并取得了丰硕成果。 考虑问题的题设和要求，我们要处理的是一个数理统计问题[1]。 对于问题（1）和问题（2 ），我们可以利用BP 神经网络进行训练的方法判定就诊者是 否患病。将患病者和健康者的指标进行训练，再建立模拟仿真网络对待测样本进行模拟，从 而对就诊者下诊断。同时，数理统计问题一般也可以建立回归模型，我们选择了分类判别法， 其求解步骤为：一.读取样本数据，回归得出模型；二.代入待测数据，求解模型；三.检验模 型。通过求解，也可以判别就诊者的身体状况。 在 BP 神经网络中采用各随机抽取确诊的两类人群中 10 个样本回带入问题（1）中所建 的仿真网络中，在判别分析中采用判断F 值的范围的方法来检验模型的正确性。 对于问题（3 ），我们可以通过逐步回归的方法分析各指标对最终结果的影响大小来得 出结论。 4. 模型的建立与求解 4.1 问题（1）和问