化验结果的处理论文.doc

化验结果的处理 摘要 本文解决的是肾炎的诊断问题。人们到医院就诊时，其是否患肾炎一般要通过化验人体内各种元素的含量来协助医生的诊断。为了解决此问题，我们建立了欧氏距离判别模型，fisher判别模型及主成分分析赋权模型。 对于问题一：我们提出了欧氏距离判别法和fisher判别法来判别就诊的人是否患有肾炎。我们选取表B.1中号和号的数据和已确诊的结果作为模型确立的样本，选取表B.1中号和号的数据作为模型的检验数据，接着将得到的结果与其对应病例号的确诊结果进行比较和分析，用改进后的欧氏距离判别法总体判断的准确率达到95%，在fisher判别法中，利用SPSS软件求解得到fisher线性判别函数，软件分析的结果的正确判断率为91.7%，故最终我们选用欧氏距离判别模型。 对于问题二：我们选用改进后的欧氏距离判别法模型对表B.2中的号就诊人员的化验结果进行判别，得到如下结果： 患病 61、62、63、64、65、66、68、69、71、72、73、76、79、83、85、87 14个 健康 67、70、74、75、77、78、80、81、82、84、86、88、89、90 16个 对于问题三：为了确定影响人们患肾炎的关键或主要因素，我们选取表B.1中数据作为样本，建立主成分分析赋权模型通过对表B.1中的数据进行标准化并确定相关系数矩阵，接着，求出相关矩阵的特征值和特征向量，然后通过前个主成分的累计贡献率满足来确定贡献率矩阵，从而得到各种元素的权值，再运用逐步剔除法得出关键元素为：。 对于问题四：我们将问题三中确定的关键元素作为检验指标，再次运用改进后欧式距离判别法得到如下结果： 患病 61、62、63、64、65、66、67、68、69、71、72、73、76、79、83、85、87 15个 健康 70、74、75、77、78、80、81、82、84、86、88、89、90 15个 对于问题五：将问题二、四的结果进行比较我们得知：以我们确定的关键元素为指标，得到问题四的结果，我们从被诊断为健康人的数据中发现了1组患肾炎的，而原被诊为患肾炎的数据数目没有发生改变。根据我们在诊断的过程中不会把患肾炎的诊断成健康人，从而进一步验证了我们选取的元素指标的正确性。 关键词：欧式距离判别法 fisher辨别法 主成分分析赋权法 逐步剔除法 1、问题重述 问题的背景 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，其中包括锌、铁、镁、钙、钾、钠等一些元素。通过对这些元素在人体中含量的检测和预判，可以对就诊者是否患有肾炎做一个初步的判断。 问题的提出 现在给出确诊病例的化验结果（表B.1）和确诊为肾炎病人的化验结果（表B.2），即上述等元素在人体中的含量，其中表B.1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。需要解决以下问题： 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：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、模型假设与符号说明 2.1模型的假设 (1)假设题目所给的数据合理正确 (2) 诊断的结果忽略其他因素（包括未列出元素、其他疾病、人为和设备等因素）的影响。 (3) 假设用于判断肾炎患者的七种元素，不受人体内其他元素或化合物的影响。 （4）化验结果中各种元素之间的相关性干扰比较小。 2.2符号说明 样本点的个数，即模型求解中作为已知的样本点个数 肾炎诊断的化验指标个数，也即原始主成分个数 为肾炎患者类。为健康类 病例号在第项指标的化验数据结果 病例号的化验结果 第项指标的化验数据结果 病例号的判别函数值，=1表示病人，=2表示健康人 分别代表肾炎患者和健康人到其均值水平的欧氏距离 待检测数据到评判标准的欧氏距离 判别总变异方差 判别组内方差 判别组间方差 判别划分区域 观察样本矩阵 指标数据的相关矩阵 第个主成分方差贡献率 前个主成分的贡献矩阵 各指标对总方差的贡献率 3、问题分析 此题研究的是如何判断就诊人员是否患有肾炎。在医院就诊时，一般情况下医生是通过就诊人员的尿液的化验结果来判断该就诊人员是否患有肾炎。本题中就是通过分析病人的尿液中各元素的含量，对这些数据进行分析处理，建立合理的判别方法，判断就诊病人是否患有肾炎。 通过Excel对表中数据进行处理