基于粒子群和模型預(yù)測(cè)控制的重癥監(jiān)護(hù)病人的血糖控制.pdf

1、對(duì)重癥監(jiān)護(hù)病人進(jìn)行強(qiáng)化胰島素治療，將病人的血糖有效控制在安全的范圍內(nèi)可以減少病人的死亡率。然而個(gè)體化模型的缺失給重癥監(jiān)護(hù)病人的血糖閉環(huán)控制帶來了巨大的挑戰(zhàn)，為了解決這個(gè)問題，本文提出了一種基于粒子群和模型預(yù)測(cè)控制的重癥監(jiān)護(hù)病人的血糖控制，即粒子群算法用來辨識(shí)病人的模型，模型預(yù)測(cè)控制算法用來設(shè)計(jì)病人的胰島素輸注率。本文在眾多重癥監(jiān)護(hù)病人中選取了十個(gè)典型的病人的模型用來建立一個(gè)模型庫(kù)，那么新的重癥監(jiān)護(hù)病人的模型可以用模型庫(kù)中的模型進(jìn)行線性擬

2、合所得到。粒子群算法每五分鐘根據(jù)所得到的輸入（胰島素）和輸出（血糖值）數(shù)據(jù)更新一次模型庫(kù)中各模型前的權(quán)重系數(shù)，模型預(yù)測(cè)控制算法依照辨識(shí)得到的病人模型每三十分鐘更新一次胰島素的輸注率。隨著時(shí)間的推移，可以得到越來越多的病人的胰島素-血糖數(shù)據(jù)，依據(jù)這些數(shù)據(jù)粒子群算法可以辨識(shí)出越來越精確的模型，這樣模型預(yù)測(cè)控制算法可以設(shè)計(jì)出更為合理的胰島素輸注率，提高血糖的整體控制效果。
　　 為了提高辨識(shí)出來的病人模型的精度，本文提出了一種高效的混

3、合雜交粒子群算法。該算法能夠在粒子所經(jīng)歷過的最差位置處吸取經(jīng)驗(yàn)，同時(shí)在局部搜索階段應(yīng)用了混沌學(xué)與遺傳算法結(jié)合的方案，因此在總體上算法有著非常好地全局探索與局部搜索的能力。本文對(duì)所提出的混合雜交粒子群算法進(jìn)行了詳細(xì)的性能測(cè)試，在五種常用的基準(zhǔn)函數(shù)下測(cè)試了其的尋優(yōu)精度，并與其它的仿生算法的效果作比較。仿真測(cè)試結(jié)果表明，該算法的收斂速度和搜索精度都遠(yuǎn)優(yōu)于用于對(duì)比的幾種優(yōu)化算法。此外本文還將改進(jìn)的粒子群算法單獨(dú)應(yīng)用于1型糖尿病人胰島素基礎(chǔ)量的優(yōu)

4、化計(jì)算，同樣并取得了良好的效果。
　　 本文所提出的粒子群和模型預(yù)測(cè)控制的組合方法在120個(gè)虛擬病人身上做了多情形的仿真測(cè)試，并與傳統(tǒng)的Yale協(xié)議方法作對(duì)比。根據(jù)血糖控制性能網(wǎng)格分析圖可知，該方法將99％的病人的血糖都控制在理想的范圍內(nèi)，而Yale協(xié)議方法中只有51％的病人的血糖控制在理想的范圍內(nèi)，這表明基于粒子群和模型預(yù)測(cè)控制方法的性能遠(yuǎn)優(yōu)于Yale協(xié)議方法。此外該方法在整個(gè)血糖控制過程中沒有發(fā)生任何低血糖事件，它能將病人的