基于粒子群和模型预测控制的重症监护病人的血糖控制

摘要

对重症监护病人进行强化胰岛素治疗，将病人的血糖有效控制在安全的范围内可以减少病人的死亡率。然而个体化模型的缺失给重症监护病人的血糖闭环控制带来了巨大的挑战，为了解决这个问题，本文提出了一种基于粒子群和模型预测控制的重症监护病人的血糖控制，即粒子群算法用来辨识病人的模型，模型预测控制算法用来设计病人的胰岛素输注率。本文在众多重症监护病人中选取了十个典型的病人的模型用来建立一个模型库，那么新的重症监护病人的模型可以用模型库中的模型进行线性拟合所得到。粒子群算法每五分钟根据所得到的输入（胰岛素）和输出（血糖值）数据更新一次模型库中各模型前的权重系数，模型预测控制算法依照辨识得到的病人模型每三十分钟更新一次胰岛素的输注率。随着时间的推移，可以得到越来越多的病人的胰岛素-血糖数据，依据这些数据粒子群算法可以辨识出越来越精确的模型，这样模型预测控制算法可以设计出更为合理的胰岛素输注率，提高血糖的整体控制效果。
　　 为了提高辨识出来的病人模型的精度，本文提出了一种高效的混合杂交粒子群算法。该算法能够在粒子所经历过的最差位置处吸取经验，同时在局部搜索阶段应用了混沌学与遗传算法结合的方案，因此在总体上算法有着非常好地全局探索与局部搜索的能力。本文对所提出的混合杂交粒子群算法进行了详细的性能测试，在五种常用的基准函数下测试了其的寻优精度，并与其它的仿生算法的效果作比较。仿真测试结果表明，该算法的收敛速度和搜索精度都远优于用于对比的几种优化算法。此外本文还将改进的粒子群算法单独应用于1型糖尿病人胰岛素基础量的优化计算，同样并取得了良好的效果。
　　 本文所提出的粒子群和模型预测控制的组合方法在120个虚拟病人身上做了多情形的仿真测试，并与传统的Yale协议方法作对比。根据血糖控制性能网格分析图可知，该方法将99％的病人的血糖都控制在理想的范围内，而Yale协议方法中只有51％的病人的血糖控制在理想的范围内，这表明基于粒子群和模型预测控制方法的性能远优于Yale协议方法。此外该方法在整个血糖控制过程中没有发生任何低血糖事件，它能将病人的血糖有效的控制在安全的范围内，从而降低重症监护病人的死亡率。因此这个简单而有效的血糖控制方法可以在重症监护病人的血糖控制领域扮演一个重要的角色。

目录

声明

学位论文数据集

摘要

第一章 绪论

1．1 本课题的研究目的和意义

1．2 重症监护病人血糖控制的发展现状

1．3 本文的主要研究工作

1．4 本文的组织结构

第二章 背景知识介绍

2．1 重症监护病人的血糖代谢模型

2．2 Yale胰岛素输注协议

2．3 本章小结

第三章 基于粒子群与模型预测控制的方法

3．1 模型预测控制算法的基本原理

3．2 粒子群算法的基本原理

3．3 改进的粒子群算法结构

3．3．1 粒子在最差位置处所汲取的教训

3．3．2 基于混沌与遗传算法的局部搜索策略

3．3．3 改进的粒子群算法小结

3．4 粒子群和模型预测控制组合方法(PSO-MPC)的结构

3．5 本章小结

第四章 改进的粒子群算法的性能测试

4．1 改进的粒子群算法在基准函数上的测试

4．2 基于改进的粒子群算法的1型糖尿病人基础量的调节

4．2．1 糖尿病患者的大剂量与基础量的调节

4．2．2 糖尿病人的ARX模型

4．2．3 基于HPSO的胰岛素基础量调节方法

4．2．4 在一个虚拟病人身上的仿真试验

4．2．5 在多个虚拟病人身上的仿真试验

4．3 本章小节

第五章 基于PSO-MPC的ICU血糖控制的仿真试验

5．1 两类标准病人的仿真试验

5．1．1 两个标准病人的碳水化合物响应以及胰岛素响应测试

5．1．2 测量噪声及初始值设定

5．1．3 A类模型标准病人的仿真测试

5．1．4 B类模型标准病人的仿真测试

5．2 基于多个病人的仿真测试

5．2．1 多个虚拟病人的参数设定

5．2．2 多个虚拟病人的仿真测试结果

5．3 本章小结

第六章 总结与展望

6．1 研究工作总结

6．2 展望

参考文献

致谢

攻读学位期间发表的学术论文

作者及导师介绍