毕业设计（论文）- 肾炎诊断问题汇.docVIP

肾炎诊断问题 一．问题重述 1 二．问题分析 2 2-1 问题一分析 2 2-2 问题二分析 3 2-3 问题三分析 3 2-4 问题四分析 3 2-5 问题五分析 3 三．模型假设与符号说明 4 3-1 假设 4 3-2 符号说明 4 四．模型的建立与求解 4 4-1 问题一的模型及求解 5 4-1-1模型建立与求解 5 模型Ⅰ：两类总体fisher判别法 5 模型Ⅱ：BP误差反传神经网络判别法 8 4-1-2 模型检验与结果分析 9 4-1-3模型评价 11 4-2 问题二求解与分析 11 4-2-1：问题二的模型建立与求解 11 4-2-2：问题二的计算结果与分析 13 4-3 问题三建模与求解 13 4-3-1：问题三的模型建立与求解 13 4-3-2：主成分分析模型的结果检验与分析 15 4-4 问题四求解与分析 16 4-5 关于问题二和问题四的结果分析与改进 17 4-5-1 结果分析 17 4-5-2 模型修正 17 五．关于肾炎检测问题的进一步讨论及模型的推广 18 六．参考文献 19 七．附录 19 附录一：化验结果 19 附录二：部分程序代码 22 一．问题重述 人们到医院就诊时，通常要化验一些指标来协助医生的诊断。诊断就诊人员是否患肾炎时通常要化验人体内各种元素含量。表B.1（见附录一）是确诊病例的化验结果，其中1－30号病例是已经确诊为肾炎病人的化验结果；31－60号病例是已经确定为健康人的结果。表B.2（见附录一）是就诊人员的化验结果。我们的问题是： 问题一：根据表B.1中的数据，提出一种或多种简便的判别方法，判别属于患者或健康人的方法，并检验你提出方法的正确性。 问题二：按照问题一中提出的方法，判断表B.2中的30名就诊人员的化验结果进行判别，判定他（她）们是肾炎病人还是健康人。 问题三：能否根据表B.1的数据特征，确定哪些指标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。 问题四：根据问题三的结果，重复问题二中的工作。 问题五：对问题二和问题四的结果作进一步的分析。 二．问题分析 2-1 问题一分析 该问要求根据表B.1中的数据，提出一种或多种简便的判别方法，判别属于患者或健康人的方法，并检验所提出方法的正确性。 模型Ⅰ：表中展示了Zn, Cu，Fe，Ca，Mg，K, Na七种元素在确诊病人中的含量，要想通过这七个观测指标判断某病人健康与否，首先，应分别用变量表示这七个观测指标，然后建立一个含有这七个变量的判别函数，通过将观测值带入函数计算出一个结果，找出一个固定的判别方法，判断所得结果属于哪一类。这是一个典型的两类总体判别问题。考虑到观测数据有限，为达到最佳的利用效果，也为了更加科学合理，在计算过程中，我们选取了四十组观测数据，采用fisher判别法建立模型并求解判别函数，再用余下的二十组观测数据进行检验，得出该模型的准确性，并对结果进行可靠性分析。 模型Ⅱ：我们可以利用BP神经网络进行训练的方法判定就诊人员是否患病。将患者与健康者的指标进行训练，在建立模拟仿真网络对待测样本进行模拟，从而作出诊断。本问以表1中的样本,对样本进行0-1 规划,以0表示健康人,以1表示肾炎患者，利用MATLAB软件对BP神经网络进行编程求解。并对剩下的10 名健康人和10 名肾炎患者进行了判定检验(如图4 所示) . 最后，还需要对两个模型进行综合分析考虑，主要结合模型求解的准确性及实用性，进行误差比较，综合分析等，以选出最优模型，进行后面问题的求解。 2-2 问题二分析 该问要求按照问题一中提出的方法，对表B.2中的30名就诊人员的化验结果进行判别，判定他（她）们是肾炎病人还是健康人。 通过第一问的求解，已经有了一个能较为准确地判别一个人是否患有肾炎的方法，在此问中，就只需把表B.2中的30名就诊人员的化验结果与一问中的两个模型进行对应，带入求解，根据模型的使用方法，就能判定他（她）们是肾炎病人还是健康人。 2-3 问题三分析 本问要求根据确诊病例的化验结果的数据特征，确定哪些指标是影响肾炎诊断的关键或主要因素，以便减少化验指标。为此，我们建立了样本主成分分析模型进行分析，利用降维的思想，将多个指标转化为几个综合指标，即主成分。该模型以各主成分对原始变量方差贡献的大小为标准对其进行排序，并求出其贡献率。一般情况下，当p个变量的累计贡献率超过85%时，就能确定需要提取的主成分个数为p。再将载荷矩阵的转置乘以由挑选出的各主成分贡献率所构成的矩阵，得出每个指标的重要性，绝对值越大表明其对肾炎诊断的影响越大。从而依次选出这q个主要指标，达到简化分析的作用。为减少工作量，在验证模型准确率时，我们只选取了模型Ⅰ，按照一问中的方法建立模型，进行判别并检验正确率。 2-4 问题四分析 本