Model-Fusion-Based Online Glucose Concentration Predictions in People with Type 1 Diabetes.
Model-Fusion-Based Online Glucose Concentration Predictions in People with Type 1 Diabetes.
复制标题
DOI：
10.1016/j.conengprac.2017.10.013
复制
发表时间：
2018-03
影响因子：
4.9
通讯作者：
Cinar A
中科院分区：
文献类型：
--
作者：
Yu X;Turksoy K;Rashid M;Feng J;Frantz N;Hajizadeh I;Samadi S;Sevil M;Lazaro C;Maloney Z;Littlejohn E;Quinn L;Cinar A
对于1型糖尿病患者（T1D）开发人造胰腺（T1D）的人工胰腺（AP）系统，需要对葡萄糖浓度的准确预测。在这项工作中，开发了一种基于模型融合策略的新型葡萄糖预测范例，以准确表征血糖测量的变异性和瞬态动力学。为此，提出了四种不同的自适应过滤器和一种融合机制，用于在线预测未来的葡萄糖轨迹。过滤器融合机制是根据各种预测性能指数开发的，以指导预测范式的整体输出。使用模拟和临床数据集评估了提出的模型融合方法的效率，结果证明了基于数据的融合过滤器的能力和预测准确性，尤其是在数据可用性有限的情况下。模型融合框架可用于开发T1D患者的AP系统以调节葡萄糖调节。
Accurate predictions of glucose concentrations are necessary to develop an artificial pancreas (AP) system for people with type 1 diabetes (T1D). In this work, a novel glucose forecasting paradigm based on a model fusion strategy is developed to accurately characterize the variability and transient dynamics of glycemic measurements. To this end, four different adaptive filters and a fusion mechanism are proposed for use in the online prediction of future glucose trajectories. The filter fusion mechanism is developed based on various prediction performance indexes to guide the overall output of the forecasting paradigm. The efficiency of the proposed model fusion based forecasting method is evaluated using simulated and clinical datasets, and the results demonstrate the capability and prediction accuracy of the data-based fusion filters, especially in the case of limited data availability. The model fusion framework may be used in the development of an AP system for glucose regulation in patients with T1D.
登录
查看更多内容
DOI：
10.1016/j.automatica.2012.05.076
发表时间：
2012-08
期刊：
Automatica : the journal of IFAC, the International Federation of Automatic Control
影响因子：
--
作者：
Eren-Oruklu M;Cinar A;Rollins DK;Quinn L
通讯作者：
Quinn L
DOI：
10.1090/s0002-9947-1950-0051437-7
发表时间：
1950-01-01
影响因子：
1.3
作者：
ARONSZAJN, N
通讯作者：
ARONSZAJN, N
影响因子：
16.2
作者：
CLARKE, WL;COX, D;POHL, SL
通讯作者：
POHL, SL
影响因子：
16.2
作者：
Chico, A;Vidal-Ríos, P;Novials, A
通讯作者：
Novials, A
影响因子：
5.4
作者：
Engel, Y;Mannor, S;Meir, R
通讯作者：
Meir, R