-
公开(公告)号：CN116705230B
公开(公告)日：2023-12-19
申请号：CN202310709116.1
申请日：2023-06-15
Applicant: 北京理工大学
Abstract: 本发明公开了具有胰岛素灵敏度自适应估计的MDI决策系统及方法，包括胰岛素灵敏度自适应估计及血糖预测模块、剂量决策模块、通信与传输模块、数据存储及可视化模块、患者信息录入模块；胰岛素灵敏度自适应估计及血糖预测模块、剂量决策模块、数据存储及可视化模块、患者信息录入模块均搭载于移动设备上，移动设备经通信传输模块分别与用于持续监测患者血糖的血糖持续监测设备和胰岛素注射设备相通讯。本发明采用上述具有胰岛素灵敏度自适应估计的MDI决策系统及方法，通过具有胰岛素灵敏度估计的血糖控制算法完成餐前和基础胰岛素剂量推荐，建立本地数据库实现数据存储和数据可视化，收集患者的必要信息以辅助决策，实现面向患者需求的系统集成设计。
-
公开(公告)号：CN114903648A
公开(公告)日：2022-08-16
申请号：CN202210500896.4
申请日：2022-05-09
Applicant: 北京理工大学
IPC: A61F2/02
Abstract: 本发明公开了一种基于ESO和模型预测控制的双激素人工胰腺控制器，包括基于ESO的误差估计与切换控制模块、胰岛素输注模型预测控制模块，胰高血糖素输注模型预测控制模块；基于ESO的误差估计与切换控制模块是使用ESO进行对人体血糖代谢简化模型的总扰动的估计，通过模型迭代完成预测过程，基于预测结果完成切换规则的建立。本发明采用上述的一种基于ESO和模型预测控制的双激素人工胰腺控制器，使用辅助ESO对系统建模过程中的未知扰动部分进行估计，从而完成对于下一时刻系统状态的预测，使用预测结果完成切换模型的建立实现双激素模式的转换，同时通过模型预测控制算法完成核心胰岛素‑胰高血糖素控制器的设计，实现了对糖尿病患者血糖水平的有效控制。
-
Patent Agency Ranking
公开(公告)号：CN112927802B
公开(公告)日：2022-07-19
申请号：CN202110117772.3
申请日：2021-01-28
Abstract: 本发明提供一种专家经验辅助的餐前胰岛素剂量学习优化决策系统，结合人工智能和专家经验方法，同时挖掘患者血糖监测和胰岛素输注数据蕴含的信息，实现在少样本下，仍能基于历史数据确定安全有效的餐前胰岛素剂量，改善餐后血糖管理，同时赋予系统不断自适应学习，提升决策性能的能力；由此可见，本发明为改善餐后血糖管理，利用少量患者历史数据，设计了专家决策辅助的餐前胰岛素剂量个体化学习决策系统，该系统引入模型预测评估方法，有效避免少样本条件下系统决策失误，持续学习患者血糖代谢规律；同时，本发明还引入迭代更新思想，自适应确定餐后血糖管理目标，实现为不同患病情况的糖尿病患者少样本下快速确定安全有效的餐前胰岛素剂量。
-
公开(公告)号：CN114613509A
公开(公告)日：2022-06-10
申请号：CN202210425970.0
申请日：2022-04-21
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于贝叶斯优化的人工胰腺长期适应的个体化学习系统，包括个体血糖状况评估模块、个体化AP参数学习模块、贝叶斯优化模块。本发明采用上述的一种基于贝叶斯优化的人工胰腺长期适应的个体化学习系统，实施个体化AP自适应，稳健地调整AP参数(BR)，增加正常血糖时间比例，显著降低低血糖发生的风险。
-
公开(公告)号：CN112133439B
公开(公告)日：2022-06-03
申请号：CN202010930702.5
申请日：2020-09-07
Applicant: 北京理工大学
Abstract: 本发明提供一种基于高斯过程的餐前胰岛素剂量个体化决策系统，利用人工智能方法，同时挖掘患者血糖监测和胰岛素输注数据蕴含的信息，建立符合人体代谢规律的餐后血糖预测模型，运用风险敏感优化控制思想，个体化确定风险敏感系数，并利用贝叶斯优化方法求解优化问题，实现即使在模型预测存在偏差下，仍能确定安全有效的餐前胰岛素剂量，改善餐后血糖管理；由此可见，本发明为改善餐后血糖管理，利用患者历史数据，设计了基于高斯过程学习风险敏感控制的餐前胰岛素剂量个体化决策系统，该系统充分挖掘患者血糖代谢历史数据的信息，建立餐后血糖预测模型，便于后续实施餐后血糖控制或者用于餐后高低血糖预警。
-
公开(公告)号：CN112133439A
公开(公告)日：2020-12-25
申请号：CN202010930702.5
申请日：2020-09-07
Applicant: 北京理工大学
Abstract: 本发明提供一种基于高斯过程的餐前胰岛素剂量个体化决策系统，利用人工智能方法，同时挖掘患者血糖监测和胰岛素输注数据蕴含的信息，建立符合人体代谢规律的餐后血糖预测模型，运用风险敏感优化控制思想，个体化确定风险敏感系数，并利用贝叶斯优化方法求解优化问题，实现即使在模型预测存在偏差下，仍能确定安全有效的餐前胰岛素剂量，改善餐后血糖管理；由此可见，本发明为改善餐后血糖管理，利用患者历史数据，设计了基于高斯过程学习风险敏感控制的餐前胰岛素剂量个体化决策系统，该系统充分挖掘患者血糖代谢历史数据的信息，建立餐后血糖预测模型，便于后续实施餐后血糖控制或者用于餐后高低血糖预警。
-
公开(公告)号：CN109999270B
公开(公告)日：2020-09-04
申请号：CN201910222692.7
申请日：2019-03-22
Abstract: 本发明提供一种基于血糖变化趋势的人工胰腺自适应自抗扰控制器，包括跟踪微分器模块、扩维观测器模块、非线性反馈模块和约束模块，其中，所述非线性反馈模块的非线性反馈模型为：u＝(‑fhan(k1e1,k2e2,r2,a)‑z3)/b0其中，k1,k2,a为根据血糖变化趋势自适应的参数，r2称为控制量增益；e1和e2为血糖浓度及其变化率设定值与估计值之间的误差信号，z3为总干扰的估计值；b0为已知增益系数。本发明把作用于被控对象的所有不确定因素作用都归结为“未知扰动”而用对象的输入输出数据对它进行估计并给予补偿。因此本控制器算法对个人参数不准，模型不确定，进食干扰，饭前剂量不准等扰动具有一定的鲁棒性。
-
-
-
-
-
-
Search Results
27
records
(took 0.019 seconds)
