疾病诊断数学模型1知识.docxVIP

疾病诊断数学模型1知识 疾病诊断数学模型1知识 疾病诊断数学模型1知识 姓名 班级 所在学院 电话（手机） 能否报名全国比赛 队长 李召 理学院队员 1 黄波 理学院队员 2 秦建新 机电工程学院疾病诊疗数学模型 纲要 本文解决的是怎样依据就诊者体内各元素含量鉴别某人能否患有某种疾病和确立 哪些指标是影响人们患该疾病的重点要素的问题。 经过剖析可知此类问题为典型的剖析鉴别，在此我们采纳元素鉴别和 Bayes 鉴别并应用 Excel 和 SAS软件来对某人能否生病进行鉴别，并经过主成分剖析法来确立患该疾病的重点要素。 对于问题一，我们采纳元素鉴别和 Bayes 鉴别进行前 60 人能否生病的鉴别，并对其结果进行对照。对于元素鉴别，我们用 Excel 对化验结果数据进行统计并经过折线图得出其分界值， 而后与能否生病的真切状况进行对照， 得出其正确度为 95%；对于 Bayes 鉴别，经过编写 SAS程序来进行鉴别， 并得出其正确度为 93.33%；考虑到诊疗的实质状况和简易性最后确立 Bayes 鉴别为本文所要使用的鉴别方法。 对于问题二，我们利用问题一中成立的鉴别模型对表 2 中的 15 名就诊人员的化验 结果进行查验，查验结果为： 9 个人为生病者， 6 个人为健康人员。 对于问题三，为了确立影响人们患该病的重点或主要要素，我们选用表 1 中的数据 作为样本，成立主成分剖析模型， 经过对表 1 中的数据进行标准化并确立有关系数矩阵， 接着，求出有关矩阵的特点值和特点向量，而后经过前 m 个主成分的累计贡献率知足 i k k 1 85% 来确立主成分的个数，最后经过主成份载荷剖析得出最能代表主成分的原 p k 1 k 指标即所要求的主要要素为 Fe、Ca、Mg、Cu。在此基础上，获得去掉 K、Na、Zn 的化检结果的新样本，利用 Bayes 鉴别，再对表 2 中的 15 名就诊人员的化验结果进行鉴别，鉴别结果： 9 个人为生病者， 6 个人为健康人员。 重点词： 元素鉴别， Bayes 鉴别，主成分剖析法， Excel ，SAS软件 1 一 问题重述 . 人们到医院就诊时，往常要化验一些指标来辅助医生诊疗。一般初步判断某人能否 生病是经过察看某人体内元素的含量。经过题目给出数据能够看出，此中 1－30 号病例是已经确诊为病人的化验结果； 31－60 号病例是已经确诊为健康人的结果。 我们需解决的问题有： 问题一：依据表 1 中的数据，提出一种简易的鉴别方法，鉴别属于患者或健康人的方法，并查验方法的正确性。 问题二：依据问题一提出的方法，对表 2 中的 15 名就诊人员的化验结果进行鉴别，判断他们是患该种疾病的病人仍是健康人。 问题三：可否依据表 1 的数据特点，确立哪些指标是影响人们患该疾病的重点或主 要要素，以便减少化验的指标。并依据给出的结果，重复 2 的工作。 二 问题的剖析 本题研究的是医院对于疾病确诊的数学建模问题。我们经过成立合理的数学模型， 研究不一样元素在人体含量的关系， 确立就诊人员能否生病。 我们经过对题目中所给的 30 组健康人和 30 组患者人体 7 种元素含量的数据剖析办理，追求好的鉴别方法，鉴别就诊人员能否生病。 针对问题一：我们成立了元素鉴别和 Bayes 鉴别两种模型。我们第一想到生病者和健康人员体内的某种或几种元素含量必定存在差异， 我们用 Excel 图表功能对化验结果的数据进行统计剖析，找到此中的差异进而成立元素鉴别模型。其次，我们利用模式识 别宽泛应用的 Bayes 鉴别，经过对患者和健康人员这两组样本进行 Bayes 鉴别剖析，得 到后验散布，再鉴于后验散布进行各样统计推测鉴别，由此我们成立 Bayes 鉴别模型，达到鉴别成效。最后我们对这两个模型进行议论比较，发现元素鉴别受外界要素影响较 大，故对问题一最后确立 Bayes 鉴别模型。 2 中所给的 15 位就诊人员 针对问题二：我们运用问题一中成立的最后模型，对表 能否生病进行鉴别，我们运用 SAS软件求得结果并以表格体现。 针对问题三 : 为了确立影响人们患该病的重点或主要要素，我们选用表 1 中的数据 作为样本，成立主成分剖析模型， 经过对表 1 中的数据进行标准化并确立有关系数矩阵， 接着，求出有关矩阵的特点值和特点向量，而后经过前 m 个主成分的累计贡献率知足 i k k 1 85% 来确立主成分的个数，最后经过主成份载荷剖析得出最能代表主成分的原 p k k 1 指标即所要求的主要要素为 Fe、Ca、Mg、Cu。在此基础上，获得去掉 K、Na、Zn 后的化验结果的新样本，利用 Bayes 鉴别模型，再对表 2 中的 15 名就诊人员的化验结果进行鉴别。 2