疾病诊断的问题模型分析.ppt

Click to edit Master title style,Click to edit Master text styles,Second level,Third level,Fourth level,Company Logo,LOGO,Click to edit Master title style,Click to edit Master text styles,Second level,Third level,Fourth level,Company Logo,欢迎各位,老师参加我的答辩,答辩人：*,导 师：*,院 系：数学与计算机科学学院,日 期：,2013.05.26,疾病诊断的问题模型分析,肾炎是一种免疫性疾病，是不同的抗原产生不同的抗体，组合成不同的免疫复合物，在,肾脏的不同部位，造成的病理损伤，形成不同的肾炎类型,。,随着医学技术的不断壮大，对疾病研究的专业人才是越来越多，大量医学界的人士对疾病的研究有了更多的认识，据统计,100,万人中大约有上近百人是由于肾炎而危机生命，因此找出治疗前正确的诊断方法是迫不眉睫的，诊断无论是对医学还是对诊断的病人来说都是至关重要的。,疾病的背景及意义,本科生论文报告,1,背景,疾病的背景及意义,意义,有利于快速的检测出结果,有利于治疗的费用减少,有利于对医生辅助治疗,本科生论文报告,论文的目的,大夫给人们诊断是否患病时，一般都是要获得人体的各种元素的含量,.,附件一是对,60,个人的诊断结果，前,30,个诊断为患者，后,30,个诊断为健康者,.,附件二测得的各元素的含量，并未诊断,.,根据数据建立模型，能判别诊断的结果，检查真确性及可行性；,对附件二的,40,组数据判别；,通过数据找出患病的主要指标；,通过主要指标诊断附件二的数据；,经过分析找出最好的模型。,本科生论文报告,论文的结构和主要内容,第一部分,问题假设,第二部分,健康系数模型,第三部分,距离判别模型,第四部分,神经网络模型,第五部分,主元素的选取,本科生论文报告,问题假设,在诊断所建立之前要所说明的情况：,论文里所提供的数据都是无疑义的；,除了在数据中的所需要的指标外，没有其他的元素对之影响；,外部因素对患病的影响不计；,在这只有患肾炎的和健康的，其他的病不影响；,在这患病的各元素的含量不受其他病的影响；,在这测得数据的准确度很高，误差可以不计,.,论文的结构和主要内容,本科生论文报告,1,健康系数模型,样本到健康样本总体平均距离的,1,为该样本的健康系数，即第个样本的健康系数为,:,示意图,本科生论文报告,论文的结构和主要内容,设和为两总体，对于给定的样本，即,7,种元素的含量记作样本点，,k,计算个 欧氏距离，找出两者中小的一个，则判定,X,样本来自,，,即,特别，当时，则判的归属是无效的,.,其中,示意图,2,距离判别模型,本科生论文报告,论文的结构和主要内容,BP,算法叫误差反向向后神经网络算法，主要是通,过输出后的误差对输出层的直接前导层的误差进行估计,，继续用此法来估计更前层的误差，如此一层一层的估,计下去，就得到了其他各层的误差估计，这样形成了正,向输入的方向与输出层估计得到误差有相反的方向，逐,级向网络的输入层递进的过程,。,示意图,输入信号,激活函数,求和,连接权,C,7,C,2,C,1,W,11,W,22,W,77,u,k,链接权,C1,C2,C7,w1,w2,w3,求和,激活函数,yk,输出,阈值或偏置,bk,本科生论文报告,3,神经网络模型,论文的结构和主要内容,通过三种模型的比较，健康系数模型与距离判别模型结果的吻合度,36/40=90%,距离判别模型与神经网络模型结果的吻合度为,39/40=97.5%,健康系数模型与神经网络模型结果的吻合度为,35/40=87.5%,通过三种模型所得结果的比较与检验的正确率判断可以得到神经网络模型最适合，且该模型的效果也比较明显，故采用,bp,神经网络模型，舍弃健康系数模型和距离判别模型,.,下面通过神经网络来得到患病中的主要指标,.,本科生论文报告,3,模型的比较,论文的结构和主要内容,得出主要指标为,Cu,、,Fe,、,Ca,回归模型方程式为,4,主因素的选取,论文的结构和主要内容,本科生论文报告,通过对表二进行分析可以看出，以,7,中元素为,样本数据和所得三种主要指标为样本，进行结果的,判别，与前面的相比，得到的还是有个别的差异,.,虽然找出了影响人们患病的主要指标，可以使,医生化验的量减少，节约了很多的人力和物力，但,却简化后的模型难免会使模型的精度有所下降,.,例,如，对于,33,号待测数据，二中均确定为患病，但在,这问题四中却被判定为健康，这容易造成判别上的,误差，造成不可挽回的错误,.,这样就得到了一个比,较实用模型，即,pc,神经网络模型,.,论文的结构和主要内容,5,结果验证,本科生论文报告,由以上分析可得，三种模型检验准确率可以达到,86%,以上，特别是通过,pc,神经网络模型，则检验准确高达,100%,，可行度还是比较好的,.,一般的传统检验方法不稳定，对诊断的结果有很大的影响，最坏的是结局是还能诊断出错误的结果，因此需要诊断的准确比较高的模型来进行诊断，基于欧氏距离判别和神经网络就可以消除很大一部分误差,.,虽然建立的模型较为简单，但是在模型的建立过程中，用剩余的确定的数据样本来进行检验，从而保证了模型的实用性和接近现实性，在这七种元素中，通过逐步回归，求出主要元素，可以减少就诊过程中一些繁琐的步骤，无论是给诊断的病人还是给大夫都带来了很大的方便,.,为医生进行诊断有个很好的参考,.,论文总结,1,模型结果,本科生论文报告,在这模型的运算过程中，由于数据量的限制性，抽取的是总体中的部分样本量少来参与模型的建立，用剩余的数据来进行验证，难免会出现误判概率，而且建立的模型比较简单，其适用复杂情行不太适合,.,所以建立的模型在实际运用的过程中，会出现误差要慎之又慎，不能盲目的得出结论，由此以模型的诊断不能作为最终的结果，要从多角度的来诊断,.,论文总结,2,存在的问题,本科生论文报告,本论文建立的模型不仅可用于医学界，也可用于其它资源的安排，在日常实际生活中发挥着很多的作用，用于诸如某区域地貌,-,水文系统的其它类型的问题，地质学中判断是否有矿，对新发现的物种进行分类，在工厂中对产品的检验是否合格等问题都可用这种模型来分析,.,论文总结,3,模型的推广,本科生论文报告,大学本科的学习生活即将结束。在此，我要感谢所有曾经教导过我的老师和关心过我的同学，他们在我成长过程中给予了我很大的帮助。本文能够顺利完成，要特别感谢我的导师*老师，感谢各位老师的关心和帮助。,最后向所有关心和帮助过我的人表示真心的感谢。,致谢,