MATLAB医学数据处理与可视化实战

19、编写一个MATLAB脚本m - 文件，根据一个包含6个AIS分数的数组来计算损伤严重度评分（ISS），该数组代表六个身体区域各自最严重的损伤情况。使用数组 [3 0 4 5 3 0] 测试你的代码，该数组对应的ISS应为50。

以下是实现该功能的MATLAB代码：

function iss = calculate_ISS(ais_scores)
    % 对AIS分数数组进行降序排序
    sorted_scores = sort(ais_scores, 'descend');
    % 取前三个最高的AIS分数
    top_three_scores = sorted_scores(1:3);
    % 对前三个分数进行平方并求和
    iss = sum(top_three_scores.^2);
end

% 测试代码
ais_scores = [3 0 4 5 3 0];
iss = calculate_ISS(ais_scores);
fprintf('ISS值为: %d\n', iss);

将上述代码保存为一个 .m 文件，例如 calculate_ISS.m ，然后在MATLAB命令窗口中运行该脚本，即可得到数组 [3 0 4 5 3 0] 对应的ISS值。

20、编写一个MATLAB脚本m文件，从键盘读取一个数字，根据规则判断它是否能被9整除。根据判断结果显示相应的消息。假设该数字始终小于1000。

以下是实现该功能的 MATLAB 脚本：

% 从键盘读取一个数字
num = input('请输入一个小于1000的数字: ');

% 判断该数字是否能被9整除
if mod(num, 9) == 0
    disp([num2str(num) ' 能被9整除。']);
else
    disp([num2str(num) ' 不能被9整除。']);
end

将上述代码保存为一个 .m 文件，然后在 MATLAB 命令窗口中运行该文件，按照提示输入一个小于 1000 的数字，程序将根据输入的数字判断其是否能被 9 整除，并显示相应的消息。

21、编写一个MATLAB脚本m - 文件，在MATLAB工作区中创建以下变量，并按指示对其进行初始化：一个名为x的字符变量，值为 ‘a’；一个名为q的数组变量，包含4个浮点数：1.23、2.34、3.45和4.56；一个名为flag的布尔变量，值为true。现在仅将数组变量保存到一个MAT文件中，清除工作区，然后再从MAT文件中重新加载该数组。

以下是实现该功能的MATLAB脚本：

x = 'a';
q = [1.23, 2.34, 3.45, 4.56];
flag = true;
save('q.mat', 'q');
clear;
load('q.mat');

22、使用 csvwrite 函数将一维浮点数数组 [1.23, 2.34, 3.45, 4.56] 写入文本文件。然后清空工作区，再使用 csvread 函数将该数组重新读入。

以下是实现上述操作的 MATLAB 代码：

q = [1.23, 2.34, 3.45, 4.56];
csvwrite('data.csv', q);
clear;
q = csvread('data.csv');

23、创建一个数组 [1.23, 2.34, 3.45, 4.56]，使用 dlmwrite 函数将其写入文本文件。使用冒号字符作为分隔符，并将数值以 3 位小数的精度写入。然后清空工作区，再使用 dlmread 函数将数组重新读入。（提示：查看 MATLAB 中 dlmwrite 函数的文档，了解如何指定数据的精度。）

以下是实现该功能的 MATLAB 代码：

% 创建数组
q = [1.23, 2.34, 3.45, 4.56];

% 使用dlmwrite函数将数组写入文本文件，指定分隔符为冒号，精度为3位小数
dlmwrite('data.txt', q, 'delimiter', ':', 'precision', '%.3f');

% 清空工作区
clear;

% 使用dlmread函数从文本文件中读取数组
q_new = dlmread('data.txt', ':', 0, 0);

这样就完成了将数组写入文件、清空工作区和重新读取数组的操作。

24、计算一个人的身体质量指数（BMI）的公式为：BMI = 体重 / 身高的平方，其中体重单位为千克，身高单位为米。BMI小于18.5被归类为体重过轻，18.5至25之间为正常，超过25且小于30为超重，30及以上为肥胖。你会得到两个文本文件：bmi_data1.txt和bmi_data2.txt。这两个文件都包含患者的身高和体重数据（前面有一个整数患者ID），但格式不同。编写一个MATLAB脚本m文件，读取这两组数据，将它们合并，然后报告所有BMI不正常的患者的ID和BMI分类。

下面是解决该问题的MATLAB脚本示例：

% 读取第一个文件的数据
data1 = readtable('bmi_data1.txt');

% 读取第二个文件的数据
data2 = readta