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

1、對重癥監(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)，為了解決這個問題，本文提出了一種基于粒子群和模型預(yù)測控制的重癥監(jiān)護(hù)病人的血糖控制，即粒子群算法用來辨識病人的模型，模型預(yù)測控制算法用來設(shè)計病人的胰島素輸注率。本文在眾多重癥監(jiān)護(hù)病人中選取了十個典型的病人的模型用來建立一個模型庫，那么新的重癥監(jiān)護(hù)病人的模型可以用模型庫中的模型進(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)更新一次模型庫中各模型前的權(quán)重系數(shù)，模型預(yù)測控制算法依照辨識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出越來越精確的模型，這樣模型預(yù)測控制算法可以設(shè)計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，同時在局部搜索階段應(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。本文對所提出的混合雜交粒子群算法進(jìn)行了詳細(xì)的性能測試，在五種常用的基準(zhǔn)函數(shù)下測試了其的尋優(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)測控制的組合方法在120個虛擬病人身上做了多情形的仿真測試，并與傳統(tǒng)的Yale協(xié)議方法作對比。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