12:43视频长度为12:43。
数据驱动的胰岛素治疗的稳健控制
从系列:MathWorks研究峰会
英国伦敦大学皇家霍洛威学院计算机科学系Nicola Paoletti
自动胰岛素输送,也就是人工胰腺(AP),通过改善血糖控制和减少自我护理负担,有可能彻底改变1型糖尿病(T1D)的治疗。然而,全闭环胰岛素控制器的设计仍然具有挑战性,因为要控制的血糖(BG)水平受到与患者行为相关的未知干扰的显著影响;也就是吃饭和运动。准确的胰岛素控制也变得困难,因为葡萄糖测量是在皮肤下进行的,因此由于生理运输动力学,相对于BG延迟。
讨论概述了当前的T1D治疗实践和闭环胰岛素控制背后的挑战,并提出了一个AP系统的设计,在MATLAB中实现和评估®该软件通过整合控制技术和患者行为的数据驱动模型解决了这些挑战,在虚拟患者模型上显示了模拟结果。
亮点:
- 设计一种新的基于最小-最大鲁棒模型预测控制(MPC)的AP系统,该系统在每次计算胰岛素治疗时,针对未知的未来患者行为,最大化预测的最坏情况表现(即BG保持在“范围内”的情况)。
- 学习用餐和运动行为的数据驱动模型,这些模型允许限制未知患者相关干扰的领域,从而使控制器不那么保守。学习方法以任意高的概率确保这些模型,以及使用它们的控制器,覆盖未知数据生成分布的所有可能行为。
- 开发一个移动地平线估计器,从延迟和有噪声的葡萄糖测量中恢复(未知)系统状态,并估计最可能的用餐和运动干扰。
- 评估虚拟患者的AP系统设计,即葡萄糖/胰岛素代谢的精确微分方程模型,使用数据驱动的用餐行为模型从CDC的NHANES数据库(来自超过8,600名参与者)学习。
- 表明AP系统在93%以上的时间内将BG保持在健康范围内。
- 利用MATLAB对AP系统进行实现和实验评估。
该研究是由演讲者在美国石溪大学计算机科学系进行的。
相关产品2022世界杯八强谁会赢?
您也可以从以下列表中选择网站:
如何获得最佳的网站性能
选择中国网站(中文或英文)以获得最佳的网站表现。其他MathWorks国家网站没有针对从您的位置访问进行优化。