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。