Adaptive System Identification for Estimating Future Glucose Concentrations and Hypoglycemia Alarms.
Adaptive System Identification for Estimating Future Glucose Concentrations and Hypoglycemia Alarms.
复制标题
DOI：
10.1016/j.automatica.2012.05.076
复制
发表时间：
2012-08
期刊：
影响因子：
--
通讯作者：
Quinn L
中科院分区：
文献类型：
--
作者：
Eren-Oruklu M;Cinar A;Rollins DK;Quinn L
许多糖尿病患者的血糖浓度存在很大的变异性，包括长期高血糖或低血糖。预测受试者未来血糖浓度的模型可通过提供早期警报来预防此类情况。本文提出了一个捕捉葡萄糖代谢动态变化的时间序列模型。提出自适应系统识别来估计模型参数，使模型能够适应受试者间/受试者内变化和血糖紊乱。它包括使用加权递归最小二乘法进行在线参数识别和监控模型参数变化的变化检测策略。将根据受试者的连续血糖测量结果开发的单变量模型与通过多传感器身体监测器的连续代谢、身体活动和生活方式信息增强的多变量模型进行比较。该算法在现实生活中的应用在早期（提前 30 分钟）低血糖检测中得到了演示。
Many patients with diabetes experience high variability in glucose concentrations that includes prolonged hyperglycemia or hypoglycemia. Models predicting a subject’s future glucose concentrations can be used for preventing such conditions by providing early alarms. This paper presents a time-series model that captures dynamical changes in the glucose metabolism. Adaptive system identification is proposed to estimate model parameters which enable the adaptation of the model to inter-/intra-subject variation and glycemic disturbances. It consists of online parameter identification using the weighted recursive least squares method and a change detection strategy that monitors variation in model parameters. Univariate models developed from a subject’s continuous glucose measurements are compared to multivariate models that are enhanced with continuous metabolic, physical activity and lifestyle information from a multi-sensor body monitor. A real life application for the proposed algorithm is demonstrated on early (30 min in advance) hypoglycemia detection.
登录
查看更多内容
影响因子：
5.4
作者：
Leung, SH;So, CF
通讯作者：
So, CF
影响因子：
3.2
作者：
Hovorka, R;Canonico, V;Wilinska, ME
通讯作者：
Wilinska, ME
影响因子：
5.4
作者：
Eren-Oruklu, Meriyan;Cinar, Ali;Smith, Donald
通讯作者：
Smith, Donald
影响因子：
4.2
作者：
Rollins, Derrick K.;Bhandari, Nidhi;Franke, Warren E.
通讯作者：
Franke, Warren E.
影响因子：
1.1
作者：
Song, SW;Lim, JS;Sung, KM
通讯作者：
Sung, KM