Raj intelligencia és evolúciós algoritmusok használata diabétesz modellek identifikációjára

OData támogatás
Konzulens:
Dr. Drexler Dániel András
Irányítástechnika és Informatika Tanszék

A diebétesz mellituszt, azaz a cukorbetegséget a jövő egyik népbetegségének tekintjük, ezért az ezzel kapcsolatos kutatásokra kiemelt figyelmet kell fordítani. A technológia fejlődése illetve az orvosi és műszaki tudományok összeolvadása tette lehetővé az emberi beavatkozás nélkül működő mesterséges hasnyálmiriggyel kapcsolatos kutatások megkezdését. A mesterséges hasnyálmirigy alkalmazásával 1-es típusú cukorbeteg páciensek esetén helyettesíteni tudnánk az emberi hasnyálmirigy vércukorszint-szabályzó funkcióját, megfelelő értékek közt tartva a páciens vércukorszintjét a páciens beavatkozása nélkül. Ezáltal a páciensek élete könnyebbé, biztonságosabbá válhatna, hiszen kikerülne az elsősorban gyermek páciensek esetén jelentkező nagy kockázatot jelentő emberi hiba faktor, amely során a hibás inzulinadagolás akár kómához illetve halálhoz is vezethet.

Diplomamunkámban ezen mesterséges hasnyálmirigy szabályozási körének fejlesztésével foglalkoztam. Feladatom volt a szakirodalomban leginkább elfogadott emberi vércukorháztartást és anyagcsere folyamatokat leíró nemlineáris modell, a Hovorka modell megismerése illetve paramétereinek identifikációja, mely által tesztelési környezetben használható virtuális pácienseket kaphatunk meg. A megfelelően illesztett modell elengedhetetlen feltétele a modell alapú szabályozásoknak. Az identifikáció során az összetett, nemlineáris optimumkeresési problémák megoldására is használható genetikus algoritmust illetve raj intelligenciát megvalósító algoritmust implementáltam MATLAB környezetben. A munka második felében a szigma pont szűrőkkel ismerkedtem meg, amelyeket a mesterséges hasnyálmiriggyel kapcsolatos kutatások részeként a Hovorka modell állapotváltozóinak becslésére lehet használni, javítva ezzel az identifikáció eredményességét. Ezen szigma pont szűrők kritikus pontja a szűrő paraméterek optimalizálása, amely nagyban meghatározza a becslés eredményességét. A szűrő paraméterek optimalizálását a félév során genetikus algoritmussal illetve raj intelligenciát megvalósító algoritmussal is elvégeztem, az eredményeket összehasonlítottam és kiértékeltem.

A munkám során a valós klinikai adatokkal való dolgozás alatt a legnagyobb körültekintéssel kezeltem a páciensek anonimitását.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.