分组检测的改进Sterrett算法分析

发布时间：2020-05-07 16:26

【摘要】：在疾病检测过程中,想从待测样本组中检测出患病个体,若对样本组中的每个个体进行检测,则会浪费大量的时间、人力和物力,所以如何提高检测效率,成了分组检测的研究重点。Sterrett提出了Sterrett分组检测算法,提高了对样本组的检测效率,而Sterrett算法主要是检测由小概率患病个体组成的样本组。本文提出在小样本组中检测大患病概率的个体,和在大样本组中检测小患病概率的个体,这两种新情况,并在这两种情况下,对Sterrett算法进行改进,并建立算法模型。本文在第一章对分组检测的研究背景、Sterrett算法和分组检测的一些研究成果进行介绍,第二章在无检测误差的情况下,提出了改进的Sterrett算法,建立无检测误差的改进算法模型。第三部分提出考虑有检测敏感性和特异性的改进Sterrett算法,建立有检测误差的改进算法模型,在本文所提出的两种研究情况下,根据实际检测经验,样本组中出现阳性个体的概率较大,但阳性个体的个数却不会有很多,所以我们对样本组检测到第二个阳性时,就对剩余样本进行打包检测。第四章数据模拟与结果分析,在同等情况下,将改进算法同Sterrett算法进行模拟,并把两种算法所得结果进行比较分析,判断改进Sterrett算法的优劣性。第五章对本文的研究结果进行总结,提出后续研究的展望。
【图文】：

检测流程,样本,患病率

无检测误差的改进 Sterrett 算法的分组检测的检测算法都是在样本患病率P 较小的条件下提出来的，中检测大患病概率的个体，和大样本组中检测小患病概率个体的情况验可得，当样本组的k 值较大或者患病率P 较大时，检测组内出现阳大大增加，应对这种情况，本文提出了新 Sterrett 检测算法。 Sterrett 算法的检测思想Sterrett 算法和单体检测的思想，改进 Sterrett 算法的检测流程为，假设本，其中有d 个阳性个体，则对样本组中的样本进行随机逐个检测，性个体时停止检测，之后把剩余个体视为一个新样本组，做一次组检性，则检测结束，若为结果阳性，则对剩余个体依次进行检测，直至。样本组 G 中有k 样本个体，样本中阳性个体数为d ，在第l个样本处检体，由下图所示。

检测流程,算法

即检测结果无检测误差，但实际情况下，检测试剂的精确度是%的，，所以在本章中考虑有检测敏感性和特异性的改进 Sterrett 算法。改进 Sterrett 算法的检测思想实际样本检测中，检测试剂的检测精确度无法保证检测结果达到百分百的正敏感性eS 和特异性pS 的值均不为 1，在这种情况下，对样本组进行检测就会，如果将检测误差的情况考虑进检测算法中，那么能使检测结果更接近真实然在第二章提出改进 Sterrett 算法应用的两种情况，即在小样本组中检测大患和在患病概率小的个体组成的大样本中检测患病个体，但是考虑实际情况中情况，根据已有的试验检测经验可知，在这两种情况下的样本组内，有患病较大，但是实际的患病个体数还是较少的，绝大部分情况不会超过两个，即患病个体数小于或等于两个的概率和占所以情况发生概率的绝大部分。此时思想是用 Sterrett 算法思想，在连续不停止的情况下，在检测出第二个患病个，之后把剩余的样本个体视为一个新组，进行组检测，若为阳性，则对剩余检测，若为阴性，则检测结束。
【学位授予单位】：广西师范大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：R195.1

【相似文献】