资源描述：
《数学建模论文神经网络的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、题g:胃症的答別问题胃癌的鉴别摘要本文研究的是一个判别问题，关键是给出判别胃癌、蒌缩性H炎和非H病的标准。由于胃癌患者易误诊为萎缩性胃炎患者以及非胃病患者。进行胃癌的鉴别主要是通过化验4项生化指标：血清铜蓝蛋白(X,)、蓝色反应(x2)、尿吲哚乙酸(x3)、屮性硫化物(x4)。本来从胃癌患者、蒌缩性胃炎患者以及非胃病患者中一共抽取了12人进行指标化验，但是由于医护人员的疏忽，将化验结果搞混丫。现有以前对H癌患者、蒌缩性H炎患者以及非H病患者化验的结果各一例，依次为(228,134,0.20,0.11)>(150，117,0.07,0.06)、(135,108,0.02
2、,0.12),'/S淆的化验结果见附件医学上一般根据临床的经验认为，患同一种病的人所表现出来的特征往往是相似的。现在需要解决的问题如下：问题一：建立一种判别准则，把12例被混淆的化验结果区分开来。问题二：根据判别准则，对题目给出的三个病人的化验指标如下：(210,142,0.10,0.08)>(180,120,0.08,0.21)>(150,130,0.05,0.14),区分他们各属于哪一类人群。问题三：为了尽量不想让胃癌诊断为萎缩性H炎或无H病，也不想让萎缩性胃炎诊断为无胃病，是否应对现冇的判定准则作出调整？试给出调整方案。针对问题一，应用MATLAB编程，建立并且
3、训练了两个神经网络，成功地把12例被混淆的数据区分出来，画出了他们的散点图，并给出了判别准则。针对问题二，根据给出的判别准则，容易判断出这3例数据分别显示这三个病人得了萎缩性胃炎、胃癌和非胃病。针对问题三，利用求解超定方程组的最小二乘解，给出了两个判别函数，用于准确的区分三类人群。关键字：神经网络区分鉴别判别准则一、问题的重述和分析胃癌患者易误诊为萎缩性胃炎患者以及非胃病患者。进行胃癌的鉴别主要是通过化验4项生化指标：血清铜蓝蛋白(X,),蓝色反应(X2)、尿吲哚乙酸(X3)、中性硫化物(&)。木来从胃癌患者、萎缩性胃炎患者以及非胃病患者中一共抽取了12人进行指标化验
4、，但是由于医护人员的疏忽，将化验结果搞混了。现有以前对胃癌患者、萎缩性胃炎患者以及非胃病患者化验的结果各一例，依次为(228,134,0.20,0.11)>(150,117,0.07,0.06)>(135,108,0.02,0.12),混淆的化验结果见附件医学上一般根据临床的经验认为，患同一种病的人所表现出来的特征往往是相似的。1.试建立一种判别准则，把上述混淆的结果区分开来。2.再给你三个病人的化验指标如下：(210,142,0.10,0.08)>(180,120,0.08,0.21)>(150,130,0.05,0.14),试区分他们各属于哪一类人群。3.如果尽量
5、不想让胃癌诊断为萎缩性胃炎或无胃病，也不想让萎缩性胃炎诊断为无胃病，是否应对现有的判定准则作出调整？试给岀调整方案。这是一个典型的分类问题，而分类的关键就是给出分类的判别标准，一旦给出丫判别准则，问题一和二很快得到解答。考虑到问题本身数据被混淆这一特殊性，采用MATLAB编程训练了一个合适的祌经网络，把混淆的数据区分出去，进而给出判别准则，然后充分利用分类数据和原始数据进行精确的分类，最后得到比较满意的分类方案。二、基本假设和说明1、各个生化指标互不影响，同时不考虑测量误差。2、生化指标的数值在允许范围内，对诊断结果影响不大。三、符号说明1234123XX^x^x标记
6、胃癌标记萎缩性胃炎标记非胃病血清铜蓝蛋白蓝色反应祕吲哚乙酸中性硫化物、模型的建立与求解问题一利用3例正确的化验结果，构造并训练一个合适的神经网络，对混淆的12例数据进行分类，画出分类散点阁，柱状阁，并对分类好的数据作进一步的分析和判断。分类结果如下：140135130125120115110105100IIIII1I11一来■来胃癌O非冒癌O非幫癌-O-1■(■11111原始信息分类散点图100120140160180200220240260P⑴11O11O11来胃癌-O非H癌OOO来O来O来-O来-1■1I11180160140120100胄癌与非胄癌散点图5010
7、0150200250300III1參•11+胃癌▲蒌缩性饩炎•非FJ病-參參參▲•-F▲+一垂■1■++1I三类情况散点图1801601401201008050100150200P(1)25030012例被混淆的数据诊断胃癌非胃病非胃病非胃病胃癌萎缩性胃炎NO.123456X,245200170100255130x2134167150167125100X30.10.120.070.20.070.06X40.40.270.080.140.140.12诊断非胃病胃癌萎缩性胃炎胃癌非胃病非胃病NO.789101112X,120160185170165100
