第二组(石伟,向中辉,喻欢).docVIP

(石伟、向中辉、喻欢 肾炎诊断的数学模型 摘要 本文解决的是肾炎诊断问题，属于模式判别模型。根据已知两总体肾炎患者和健康人的体内部分元素含量的化验结果，来建立肾炎诊断函数模型，并为30组就诊人员进行诊断。为了解决此问题，我们建立了四个模型。 对于问题一：我们用Fisher判别法、Logistic判别法、BP神经网络判别法三种方法建立了三个判别模型。首先分别利用三种判别法并借助MATLAB编程分别求出判别模型所需各参量的值，然后用1～60号数据回代去分别检验判别模型。检验结果为Fisher判别法的准确率为95%，Logistic判别法的准确率为93.3%，BP神经网络模型判别法在稳定时的准确率为100%。 对于问题二：我们利用第一问建立的肾炎诊断模型，用三种方法对61—90号未知患病情况的就诊人员进行诊断判别，得出Fisher判别法诊断结果是15人患病，15人健康； Logistic判别法的诊断结果是14人患病，16人健康；BP神经网络的诊断结果是16人患病，14人健康，具体结果见表5。最后我们分析结果产生差异是由于部分元素含量的巨大差异造成的。 对于问题三：我们用“逐步分析法”建立了模型四。首先对两组进行成对双样本t检验，得到两组元素的各指标之间的差距是显著的。然后根据显著性水平进行判断，得出主要元素为Cu、Ca、Mg、NaZn、Fe、K的含量。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号病例是已经确诊为健康人的结果。表B.2（见附录二）是就诊人员的化验结果。 1.2本文需要解决的问题有： 问题一：根据表B.1（见附录一）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：按照问题以提出的方法，判断附录二中的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（见附录一）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，重复问题二的工作。 问题五：对问题二和问题四的结果作进一步的分析。 2.问题分析 此题研究的是对人体内各种元素含量化验一些指标来协助医生的诊断该检查者是否患肾炎的数学建模问题。要对就诊的人，做出快速的，合理的，准确得诊断，其是否 是肾炎患者，就必须有一种或几种简单且可靠的方法来分析化验出的各元素Zn ,Cu ,Fe ,Ca ,Mg ,K ,Na 的含量是否符合健康者的各项指标，哪些元素又是对评判标准有着主要的影响，是关键因素。那么在做检查时，可以相对减少一些元素的化验，节省时间，提高检查者的满意度和医院的效益。即要确定合理的评价指标的方案，用此评价按该标准诊断就诊者是否患肾炎。 针对问题一：题目中已给出确诊病例的化验结果如表B.1（见附录一），其中1－30号病例是已经确诊为肾炎病人的化验结果；31－60号病例是已经确诊为健康人的结果。我们要根据表B.1（见附录一）中的数据，提出一种或多种简便的判别方法，即以一种或多种元素的含量指标，来判别检查者属于患者或健康人的方法，并做出准确的检验，当然，以有效的元素来做为判断指标是最优的方案。 针对问题二：在问题一中已建立了肾炎的诊断模型，我们要对表B.2（见附录二）中的数据进行处理，判断病例号61—90的就诊人员在此标准下，是健康者还是肾炎患者。 针对问题三：要通过对表B.1（见附录一）中的患者和健康者数据特征，来确定影响人们患肾炎的关键或主要因素，即抓住主要因素，忽略次要因素，以减少化验的指标，到快速检查和诊断的目的。 针对问题四：以问题三中确定的诊断指标，重新对表B.2（见附录二）中的数据进行处理，判断病历号61—90的就诊人员在此指标下，是健康者还是肾炎患病。 针对问题五：从实际问题出发，对第二问和第四问的诊断结果作比较，来验证进行优化后的指标是否起到诊断作用。 3.模型假设与符号说明 3.1模型的假设 （1）假设通过人体内的7种元素的含量可以判定是否患有肾炎； （2）假设不考虑就诊人员的其它疾病因素以及身体素质的差异对各种元素含量的影响； （3）假设人处于健康状态时，体内各种元素的百分比含量是相对稳定的； （4）医院所提供的确诊病例的化验结果和就诊人员的化验结果都是准确的； （5）假设肾炎对人体内某一元素的含量只产生一种影响（升高或降低）； （6）假设不会有性别等其他严重影响判断的因素； 3.2符号的说明 符号 符号说明 第个样本（=1,2分别表示健康和患病） 距离判别法的判别函数 Fisher判别法的判别函数的系数（i=1,2,3…7） Fisher判别法的判别函数临界值 患病的指标即七种不同的元素（p=1,2,3…7） 第个