钟春梅

（福州大学数学与计算机科学学院 福州 350108）

1 引言

支气管炎是十大就医疾病之一，是临床上比较常见的疾病［1］。支气管炎对患者所带来的危害非常巨大，严重时会导致癌症的出现，并且还会诱发一些呼吸系统疾病，甚至有可能发展为肺心病。目前，对于支气管炎的诊断一般都是基于临床的一些表现症状，并没有标准的诊断指标以及一些特异的实验室检查项目以供诊断。但是，随着科学技术的快速发展，越来越多学者开始结合数学和计算机的方法来对支气管炎病症进行研究，不断地提高诊断的精度和速度［2］。程留惠［3］等利用回顾性分析的方法探讨双源CT结合气道重建技术来对支气管炎进行诊断，得到支气管炎的诊断模型；董志明［4］等通过回顾性分析10 例经临床或病理证实的DPB 的CT 影像学资料，并利用HRCT 对支气管炎进行诊断得到支气管炎的诊断模型，等等。

朴素贝叶斯算法是基于贝叶斯定理与特征条件独立假设的分类方法［5～15］。对于给定的训练数据集，首先基于特征条件假设学习输入、输出的联合概率分布；然后基于此模型，对于给定的输入，利用贝叶斯定理求出后验概率最大的输出。因此，为了有效提高支气管炎疾病在诊断中的精度和速度，本文通过对某支气管炎交流群的支气管炎患者进行问卷调查得到98 位支气管炎患者的数据，随机选取30 名患者的数据，结合其支气管炎类型进行离散化处理，学习到支气管炎类型与病症症状的模型。……