Чернецов Сергей Андреевич

Работа выполнена в рамках исследований по разработке автоматической системы прогнозирования оптимальных доз инсулина, которая при объединении с инсулиновой помпой и сенсором непрерывного мониторинга уровня глюкозы в подкожной ткани пациента, могла бы выполнять функции искусственной поджелудочной железы. Работа посвящена исследованию эффективности нейросетевых алгоритмов прогнозирования значений уровня глюкозы в крови больных сахарным диабетом первого типа. Целью работы является выбор оптимальной нейронной сети и алгоритма ее обучения для использования в составе системы прогнозирования оптимальных доз инсулина. Исследование выполнено с использованием программной системы MatLab.

Оптимальные типы и дозы искусственного инсулин зависят от многих факторов. Подбор этих типов и доз является сложной задачей, с которой могут справиться далеко не все пациенты. Для решения указанной задачи созданы системы непрерывного измерения уровня глюкозы в крови (BG) – Continuous Glucose Monitoring Systems (CGM-системы), а также системы непрерывного подкожного введения инсулина (инсулиновые помпы – insulin pumps). На основе CGM-систем и инсулиновых помп разработаны и интенсивно разрабатываются системы автоматического управления уровнем B. С алгоритмической точки зрения эти системы включают в себя две следующие основные подсистемы: подсистема прогнозирования уровня BG; подсистема определения оптимального времени и требуемой дозы инсулинаВ работе поставлена задача прогнозирования BG в крови больных сахарным диабетом I типа. Рассмотрены подходы к решению этой задачи с использованием искусственных нейронных сетей и модели экстраполяции по выборке максимального правдоподобия (EMMLS). Выполнено сравнение эффективности указанных подходов. Показано, что при краткосрочном прогнозировании уровня BG более точный результат дает нейронная сеть, а при долгосрочном прогнозировании - модель EMMLS. Показана также перспективность использования комбинации модели EMMLS и нейронных сетей.

Оптимальные типы и дозы искусственного инсулин зависят от многих факторов. Подбор этих типов и доз является сложной задачей, с которой могут справиться далеко не все пациенты. Для решения указанной задачи созданы системы непрерывного измерения уровня глюкозы в крови (BG) – Continuous Glucose Monitoring Systems (CGM-системы), а также системы непрерывного подкожного введения инсулина (инсулиновые помпы – insulin pumps). На основе CGM-систем и инсулиновых помп разработаны и интенсивно разрабатываются системы автоматического управления уровнем глюкозы в крови пациента. С алгоритмической точки зрения эти системы включают в себя две следующие основные подсистемы: подсистема прогнозирования уровня BG; подсистема определения оптимального времени и требуемой дозы инсулина. В конечном счете, работа имеют целью синтез первой из указанных подсистем. В работе поставлена задача прогнозирования BGбольных сахарным диабетом I типа. Рассмотрен подход к решению этой задачи с использованием адаптивной системы нейронечеткого вывода ANFIS. Приводятся результаты исследования эффективности этой системы. Показано, что система ANFIS обеспечивает высокую точность прогнозирования на сравнительно короткие интервалы времени.

Рассматривается метод идентификации динамических систем в классе самообучающихся нейронных сетей. С использованием методики VQTAM построена самообучающаяся нейросетевая модель уровня глюкозы в крови больных сахарным диабетом 1‑го типа. Проведена серия экспериментальных исследований построенной модели и оценена её точность.

Приводится обзор англоязычных публикаций, посвященных методам прогнозирования оптимальных доз инсулина для больных сахарным диабетом I типа. Рассматриваются математические модели динамики инсулина и глюкозы в теле человека, а также нейросетевые и комбинированные алгоритмы и системы прогнозирования оптимальных доз инсулина.

Рассматривается класс вычислительных задач, имеющих граф информационных связей в виде двухуровневого дерева с априори неизвестными вычислительными сложностями листьев. Описывается использование компонента LSF известной GRID-системы Globus для балансировки загрузки распределенной гетерогенной вычислительной системы при распараллеливании указанного класса задач.