肾炎诊断的数学模型.doc

肾炎诊断的数学模型摘要本文解决的是肾炎的诊断的问题。人们到医院就诊时,其是否患肾炎通常要化验人体内各种元素的含量来协助医生的诊断。为解决此问题,我们建立了距离判别的数学模型。对于问题一:我们提出了欧式距离与马氏距离两种方法来判别就诊的是患者还是健康人。-30号已确诊为肾炎病人的化验结果作为总体A,31-60号已确诊为健康人的化验结果作为总体B。然后,,然后我们将样品C用欧式距离模型进行判别,%;用马氏距离模型判别,%。为此,我们选用马氏距离法。为了使误判率降低,我们对模型进行改进,引入误判因子,%。对于问题二:,得出如下结果:61626364656667686970患病患病正常患病患病患病正常正常患病正常71727374757677787980患病患病患病正常正常患病正常正常正常正常81828384858687888990正常正常患病正常患病正常正常正常正常正常对于问题三:为了确定影响人们患肾炎的关键或主要因素,-30号已确诊为肾炎病人的化验结果按照元素种类划分总体,分别为A1(Zn),A2(Cu),A3(Fe),A4(Ca),A5(Mg),A6(K),A7(Na),同理,31-60号已确诊为健康人的化验结果划分总体为B1,B2,B3,B4,B5,B6,B7。然后,,D2,D3,D4,D5,D6,D7,然后根据我们建立的改进后的距离判别模型,用马氏距离法逐个算出由该元素带来的误判率。然后将相似结果的元素组合用马氏距离法与原数据进行计算比较,我们得出影响人们患肾炎的关键或主要元素为Fe,Ca,Mg,K。对于问题四:我们将自己确定的关键元素Fe,Ca,Mg,K作为检验指标,再次根据建立后改进的距离判别的数学模型,,得出如下结果:61626364656667686970患病患病患病患病患病患病正常正常患病正常71727374757677787980患病患病患病正常正常患病正常正常患病正常81828384858687888990正常正常患病正常患病正常患病正常正常正常对于问题五:将问题二,四的结果进行比较我们得知发现,根据我们确定出来的关键元素Fe,Ca,Mg,K作为指标,我们从被诊断为健康人的数据中发现了3组患肾炎的,而原被诊断为患肾炎的数据数目没变,根据我们在诊断的过程中不会把患肾炎的诊断成健康人,这进一步验证了我们选取的元素指标的正确性。关键词:肾炎诊断,马氏距离,距离判别1、问题重述人们到医院就诊都是一些很普遍的问题。在人们就诊前,通常是需要通过化验一些元素来确认。在诊断就诊人员是否患肾炎时,我们同样是对人体内各种元素含量进行化验,以其中的一些指标来协助医生的诊断。在本文中,我们考虑肾炎的诊断数学建模问题。,是确诊病例的化验结果。其中1-30号为已确诊为肾炎病人的化验结果,31-60为已确诊为健康人的化验结果。。具体数据见附录(一)。本文需解决的问题有:问题一:,提出一种或多种简便的方法,对来就诊的人进行判别是属于患者或健康人,并且还要检验我们提出方法的正确性。问题二:按照问题一提出的方法,,判定他(她)们是肾炎病人还是健康人。问题三:,确定那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、:题目所给的数据是合理的,正确的;假设2:化验结果中的各种元素之间的相关性干扰比较小;假设3:模型检验的结果达90%以上的正确,我们认为模型正确;假设4:模拟生成的30个正常数据和30个患病数据全部符合样本要求;-30号各种元素的均值对应的矩阵[]-60号各种元素的均值对应的矩阵由矩阵中的第j个元素构成的矩阵我们模拟的数据构成的矩阵模拟数据的第i行构成的矩阵[]由矩阵的第i行第j列的元素组成的矩阵D由马氏距离法得出的距离平方差值d由欧式距离法得出的距离平方差值表示样本y到总体均值为G的距离u误判因子,数值确定为4其中,;i=1,2