数学建模用于生物医学论文

1数学建模的过程

1.1模型准备

首先要了解实际背景，寻找内在规律，形成一个比较清晰的轮廓，提出问题。

1.2模型假设

在明确目的、掌握资料的基础上，抓住问题的本质，舍弃次要因素，对实际问题做出合理的简化假设。

1.3模型建立

在所作的假设条件下，用适当的数学方法去刻画变量之间的关系，得出一个数学结构，即数学模型。原则上，在能够达到预期效果的基础上，选择的数学方法应越简单越好。

1.4模型求解

建模后要对模型进行分析、求解，求解会涉及图解、定理证明及解方程等不同数学方法，有时还需用计算机求数值解。

1.5模型分析、检验、应用模型的结果

应当能解释已存的现象，处理方法应该是最优的决策和控制方案，所以，对模型的解需要进行分析检验。把求得的数学结果返回到实际问题中去，检验其合理性。如果理论结果符合实际情况，那么就可以用它来指导实践，否则需再重新提出假设、建模、求解，直到模型结果与实际相符，才能进行实际应用。总之，数学建模是一项富有创造性的工作，不可能用一些条条框框的规则规定的十分死板，只要是能够做到全面兼顾、能抓住问题的本质、最终检验结果合理，都是一个好的数学模型。

2数学建模在生物医学中的应用

2.1DNA序列分类模型

DNA分子是遗传信息存储的基本单位，许多生命科学中的重大问题都依赖于对这种特殊分子的深入了解。因此，关于DNA分子结构与功能的问题，成为二十一世纪最重大的课题之一。DNA序列分类问题是研究DNA分子结构的基础，它常用的方法是聚类分析法。聚类分析是使用数据建模简化数据的一种方法，它将数据分成不同的类或者簇，同一个簇中的数据有很大的同质性，而不同的簇中的数据有很大的相异性。在对DNA序列进行分类时，需首先引入样品变量，比如说单个碱基的丰度、两碱基丰度之比等；然后计算出每条DNA序列的样品变量值，存入到向量中；最后根据相似度度量原理，计算出所有序列两两之间的Lance与Williams距离，依据距离的远近进行分类。对于模型的好坏，可选取已知分类的DNA序列进行检验，若按照该模型做出的分类与已知分类相符，则模型可取，反之则需调试样本变量，直到取得满意的结果为止。

2.2传染病模型

为了能定量的研究传染病的传播规律，人们建立了各种类型的模型来预测、控制疾病的发生发展，比如说，SI模型（适用于患病后难以治愈）、SIS模型（适用于患病者治愈后不具有免疫力）、SIR模型（适用于患病者治愈后具有终身免疫力）、SIRS模型（适用于患病者治愈后具有暂时免疫力）等。这里以SIR模型为例来做具体地说明。假设不考虑人口的出生、死亡、流动等因素，设总人口始终保持一个常数N，记t时刻的易感染者、已感染者和已恢复者的人数分别为S(t)、i(t)和r(t)，则可建立下面的三房室模型：

2.3疗效评价模型

对于同一种疾病，医生根据其经验的不同往往会制定出不同的治疗方案，而每种方案的经济成本不同并且会产生不同程度的副作用，因此合理评价其疗效就有着重要的意义。目前常用的疗效评价模型有多元非线性回归模型、模糊评价模型、灰色关联度模型以及BP神经网络模型等。不论哪种模型都需要先确定评价参数，所谓评价参数指的是以什么来衡量疗效，如在艾滋病疗效评价中，可采用CD4的浓度、HIV的浓度或是CD4与HIV浓度的比值来衡量疗效的好坏。而选取模型时，只要它能把样品的综合疗效客观真实的体现出来，都是有效的。

3结束语

数学建模在生物医学领域的研究中起着重要的作用，特别是较高层次的医学科研往往有赖于合理的数学模型的建立，因此要培养高水平的医学科研人员就必须要加强数学建模在高等医学院校教学中的地位。而就目前来说，高等医学院校对数学教学的重视程度还远远不够，不管是数学教学的内容方面还是课程体系的设置方面都亟待改革。

作者：毛悦悦 崔红新 单位：河南中医学院数学物理学学科