讲解计算机辅助诊断的数学方法应用课件.pptVIP

计算机辅助诊断的数学方法应用 数理医药学杂志;;;摘　要;在临床医学中, 所谓“诊”就是采集一组人体有关病理信息指标, 而“断”则是根据实际指标与典型指标之间的模式识别下的逻辑判断。诊断结论应由各级临床医生作出, 并负有相应医疗的责任。这责任包括疗效和医疗事故正、反两个方面。;计算机辅助诊断, 用计算机模拟临床医生的医疗经验, 归纳出相应的病理指标和算法体系, 并编制相应的程序, 在计算机上运行, 采取人机对话的方式, 对具体的病例做出诊断的结论。所谓辅助诊断, 就是计算机本身不负有直接的医疗责任,只提供医生诊断的参考, 或为医学教学提供学习研讨的资料。;经典数学方法很难进入生物学、心理学、医学和社会科学领域, 原因是这些学科因素太多, 规律复杂, 复杂性跟精确性往往相互排斥, 因此模糊数学方法在广泛的领域获得了应用。 采取模糊聚类分析的数学方法对临床病理数据进行处理的计算机辅助诊断, 将名医的经验转化为计算机软件模块, 对各级医生的临床实践起着辅助决策的作用, 对刚刚起步的青年习医者更是“不知疲倦”的良师益友, 对于总结经验、开阔思路、防止误诊(错诊和漏诊) 等方面有益无害。;;1.1　模糊聚类分析做为一种数学方法, 要求将临床病理数据表达为: (其中i 为病例序号) 的形式, 数值类型一般为生化指标、功能指标、物理指标等, 有数值, 有量纲(单位) , 它们的数值应在某一个区域内为正常, 否则为病态。 所谓聚类分析, 是将样本中性质相近者聚为一类的数学方法, 属数理统计多元分析的一个分支, 若结合以模糊数学的数据处理方法, 则为模糊聚类分析。;1.2　设对n 个样本进行聚类, 若每个样本m 项指标, 则构造n行m 列的样本矩阵, 矩阵的每一行就是某一个样本的全部临床数据, 若矩阵为∪:;1.3　对样本矩阵进行运算, 得出模糊相容矩阵R , R 是一个n阶方阵(n 为样本总数) : ;1.4　将R 方阵进一步作归一化处理, 找出阵中最大元素M , 将所有非对角线上之元素除以M 。 1.5　将上面得到的模糊相容矩阵不断自乘 , 一直进行到相邻两次得到的合成矩阵完全相同为止, 即得到模糊等价关系矩阵。 1.6最后选择聚类分析截集标???K, 对样本进行聚类操作, 至此模糊聚类分析全部完成。 ;;2.1　对临床数据作归一化处理:;2.2　对n 行m 例矩阵∪进行运算, 得到模糊相容矩阵R 的公式:;这种算法是基于模糊数学中的“隶属度”的概念: 当两个样本完全相同时, 其隶属度为1, 一般情况下, 隶属度为 〔0, 1〕区间上的一个实数, 越接近1 其相似程度越高; 反之则降低。 如上式中, 在i= j 情况下, 为同一组临床数据, 即同一样本之间,其隶属度rij= 1。而当i≠j 时, 为不同的两组临床数据, 即不同样本之间的隶属度rij , 用其对应元素相乘再累加求和。可以看出: 当两组数据越接近时, 即两样本相似程度越深时, 结果值越大; 而当两组数据大小不一致程度越高, 则结果值越偏低,因此隶属度的大小反映出样本间相似程度的高低。 ;2.3　将矩阵R 作归一化处理:从R 中选出最大元素M , 保持对角线上元素为1 不变, 将对角线上元素除以M 得到: ;2.4　建立模糊等价关系矩阵的公式: 将以上得到的模糊相容矩阵不断自乘 , 一直进行到相邻两次得到的合成矩阵完全相同为止, 即得到所谓的模糊等价关系矩阵。 一般的矩阵乘法为: 行与列元素对应相乘再累加, 形成新的矩阵元素, 两矩阵的行数与列数必须相等方可相乘, 若自乘则只有方阵才可以。R 为方阵, 故符合自乘条件。 ;但这里的不同之处是对数值用逻辑乘(∧) 和逻辑加(∨) , 即公式(4) 应表示为: ;;3.病例举例;辅宵栽嘘妆息少河盆椰语昌沁轰仗膳蘑喀项濒脖局量攘逐铰督媚半抗哗延计算机辅助诊断的数学方法应用计算机辅助诊断的数学方法应用;;;　建立模糊相容矩阵R , 用公式(2) 得:;始蔚烤溜锚国都作词着苫厂捍裔筏巫森胺几仔确哲吕挖熊以酸济粪职伶商计算机辅助诊断的数学方法应用计算机辅助诊断的数学方法应用;巨剑鸿沈了吓教洒赂釉洞御休陛伙丑俏混颁渐座捶峪辨播顺药划文杠烃勤计算机辅助诊断的数学方法应用计算机辅助诊断的数学方法应用;;恼钨围稳涂吵渠支出怀缩千鼻瞅庞吗霜狞臼竟瀑拴汉吁钾阵抓馁邹坡尊映计算机辅助诊断的数学方法应用计算机辅助诊断的数学方法应用;;;;3.5　下面我们用上述经一次自乘的矩阵R ’作样本聚类, 介绍聚类操作的方法与原则: 先确定聚类的截集标准 , 比如取 ≥0. 8, 其意义为将隶属度大于等于0. 8 的样本聚为一类, 此时