肝纤维化无创诊断的模型分析

毛敏 吴彦亭 张子岩

摘 要：肝纤维无创诊断是无创伤对肝组织纤维化监测的方法，其发展可以有效减少对肝病患者带来的不适，具有极大的实用性。本文基于主成分分析法、方差齐性检验筛选法以及Logistic回归分析法建立肝纤维化无创诊断模型，继而采用LOF算法对数据分布差异进行修正从而提高模型应用的精确度。从而得出科学、合理的诊断方程，为肝纤维化的诊疗提供理论依据。

关键词：指标聚类模型；主成分分析法；ROC曲线模型；LOF算法；肝纤维无创诊断模型

1模型一的建立与求解：基于主成分分析的指标聚类模型

我们首先通过机理分析法对部分格式明显异常的数据作预处理，接下来对预处理后的样本数据，依照modified-80%准则对附件提供的30项指标进行剔除，并对处理后的指标下属残缺数据作类均值插补。而后，根据拉伊达准则剔除异常数据，将剩余样本数据作归一化处理，得到合理化的样本数据，并通过显著性检验。最后采用主成分分析法来对指标进行遴选归类，以期找出他们的内在联系。

STEP1：计算指标矩阵的特征值与特征向量。

STEP2：确定p个主成分，进行统计分析。

STEP3：进行KMO和Bartlett的检验来分析得数据可信度和效度是否符合数学标准。

STEP4：运用SPSS统计软件对基于主成分分析的指标聚类模型进行求解，求解共计得到[?1]，[?2]，[?3]，[?4]，[?5]，[?6]，[?7]，[?8]此八项主成分。

2模型二的建立和求解：基于方差齐性检验的ROC曲线模型

为了降低主观性的因素的影响，在此我们引入基于方差齐性检验的ROC曲线模型，通过运用方差齐性检验的方法对各独立测量样本做显著性检验，并通过SPSS统计软件对指标是否存在意义做划分并进一步做出筛选，最终通过对此典型基于样本的定性定量相结合的模型进行求解，得到13项相关指标。

最终将两种模型的指标划分做定性对比，通过分析两种模型结果的交集，得出问题一所要求的指标，即特征。

通过两种模型求解结果的整合，甚至说是基于方差齐性检验的ROC曲线模型对基于主成分分析的指标聚类模型的修正，我们最终选定的指标为：PTS、IV型胶原、III型前胶原、体重、身高、AST、透明质酸、年龄和ALT。

3模型三的建立和求解：基于Logistic回归分析法的肝纤维化无创诊断模型

STEP1：提取自變量和因变量。在此，我们以肝纤维化无创诊断模型为因变量，以问题一双模型筛选的九项指标为自变量。设置变量为模型求解做准备。

STEP2：根据Logistic回归模型的要求，得到回归模型的基本形式。

STEP3：运用MATLAB2014b处理软件，对基于Logistic回归分析法的肝纤维化无创诊断模型进行求解，并采用似然比来检验模型整体的拟合效果，其中将判断概率的阈值设定为0.05，以保证数据的有效性和说服力。

经过统计，回归分析的预测准确率高达78.11%，模型拟合程度较好，所以我们认为指标体系内的PTS、Ⅳ型胶原、Ⅲ型前胶原、体重、身高、AST、透明质酸、年龄和ALT这9项指标对于肝纤维化无创诊断模型的贡献程度毋庸置疑，即足以根据以上9个特征对肝纤维化无创诊断提供具有说服力的病理诊断依据。

参考文献

[1]Bijlsma，Sabina，IvanaBobeldijk，ElwinR.Verheij，RaymondRamaker，SunilKochhar，IanA.Macdonald，BenVanOmmen，andAgeK[J].Smilde，2006.

[2]张敏，袁辉.拉依达（PauTa）准则与异常值剔除[J].郑州工业大学学报，1997（1）：84-88.

[3]姜启源，谢金星，叶俊.数学模型（第三版）[M].北京：高等教育出版社，2006，9.

[4]李洪，宫兆宁，赵文吉等.基于Logistic回归模型的北京市水库湿地演变驱动力分析[J].地理学报，2012，67（3）：357-367.

[5]姜广辉，张凤荣，陈军伟等.基于Logistic回归模型的北京山区农村居民点变化的驱动力分析[J].农业工程学报，2007，23（5）：81-87.

[6]陈溟.基于模糊局部离群因子（LOF）的信用卡欺诈检测研究[J].金融理论与实践，2016（10）：54-57.