شبکه عصبی / شبکه عصبی بیولوژیکی و مصنوعی
سیده صدف رضوی نژاد؛ امیرمحمد فلاح؛ سیدابوالقاسم میرروشندل
دوره 14، شماره 4 ، بهمن 1399، ، صفحه 307-320
چکیده
دیابت یک بیماری شایع در سراسر جهان است. این بیماری، سخت، غیرقابل علاج و در عین حال قابل کنترل بوده و از این رو کنترل و پیشگیری از عوارض آن امری مهم است. به همین دلیل استفاده از روشهای هوشمند با خطای پایین برای پیشبینی میزان قند خون و از همه مهمتر جلوگیری از عوارض خطرناک آن یک مسالهی مهم در کنترل بهتر این بیماری است. با توجه به ...
بیشتر
دیابت یک بیماری شایع در سراسر جهان است. این بیماری، سخت، غیرقابل علاج و در عین حال قابل کنترل بوده و از این رو کنترل و پیشگیری از عوارض آن امری مهم است. به همین دلیل استفاده از روشهای هوشمند با خطای پایین برای پیشبینی میزان قند خون و از همه مهمتر جلوگیری از عوارض خطرناک آن یک مسالهی مهم در کنترل بهتر این بیماری است. با توجه به روشهای مختلف ارائه شده در این زمینه، در این مقاله نیز دو مدل با استفاده از رهیافت یادگیری عمیق ارائه شده که نتایج آن کارآمد و بهینه است. این دو مدل پیشنهادی از ترکیبهای متفاوتی از شبکههای عصبی حافظهی طولانی کوتاهمدت و پیشخور تشکیل شده و میزان قند خون آتی بیمار را با دقت و سرعت قابل توجهی پیشبینی میکنند. در این راستا از 81.200 دادهی میزان قند خون 203 بیمار به همراه 27 مشخصهی موثر بر میزان قند خون استفاده شده است. همچنین به منظور ارزیابی دقیق از روش اعتبارسنجی متقابل مناسب برای سری زمانی استفاده شده و نتایج حاصل از اجرای مدلها نشان داده که مدل میانگین متحرک خودهمبستهی یکپارچه با توجه به این حجم از داده و ضعف سختافزاری سیستم پیادهسازی شده قادر به پیشبینی میزان قند خون نبوده در حالی که کارایی و سرعت عملکرد مدلهای مبتنی بر یادگیری عمیق قابل قبول است. همچنین با توجه به نتایج به دست آمده مدل پیشنهادی دوم برای افقهای پیشبینی 5، 10 و 15 دقیقه به ترتیب 8/13%، 16% و 9/18% بهتر از مدل پیشنهادی اول عمل کرده و مدل قابل اعتمادتری برای پیشبینی میزان قند خون است. از این رو مدل پیشنهادی دوم میتواند در سیستمهای هوشمند هشداردهنده برای پیشگیری از وقوع هیپوگلیسمی که از عوارض خطرناک و شایع بیماری دیابت نوع یک است مورد استفاده قرار گیرد.
زینب تشکری زاده؛ نادیا نقوی؛ سید کمال حسینی ثانی
دوره 8، شماره 2 ، تیر 1393، ، صفحه 159-171
چکیده
درحال حاضر، تزریق انسولین در بیماران دیابت نوع یک، اغلب موجب نوسانهای شدید در قند خون آنها شده و منجر به رخدادهای هایپرگلیسمی/هایپوگلیسمی میشود. کنترل حلقه بسته گلوکز توسط پانکراس مصنوعی کیفیت زندگی بیماران دیابت نوع یک را بهبود میدهد. درین مقاله، با استفاده از سیمولاتور GIM، دادهی بیمار دیابتی در طول شبانهروز به دست ...
بیشتر
درحال حاضر، تزریق انسولین در بیماران دیابت نوع یک، اغلب موجب نوسانهای شدید در قند خون آنها شده و منجر به رخدادهای هایپرگلیسمی/هایپوگلیسمی میشود. کنترل حلقه بسته گلوکز توسط پانکراس مصنوعی کیفیت زندگی بیماران دیابت نوع یک را بهبود میدهد. درین مقاله، با استفاده از سیمولاتور GIM، دادهی بیمار دیابتی در طول شبانهروز به دست آمده و سپس به مدلسازی معکوس رفتار فیزیولوژیکی سیستم پرداخته شد. نظر به ماهیت تأخیری سیستم، در گام بعد، ساختار کنترلی جدیدی برای سیستمهای تأخیردار پیشنهاد شدهاست که تلفیقی از کنترل مدل مرجعِ تطبیقی و پیشبین اسمیتِ اصلاح یافته است. با توجه به تنوع پذیری گستردهی متابولیسم بیماران مختلف در دنیای واقعی، جمعیتی از 30 بیمار به صورت مجازی و با در نظر گرفتن تغییرات تصادفی و نوسانهای سینوسی در پارامترهای مدل گلوکز/انسولینِ دالمن ایجاد شد تا تغییر پذیری بین فردی سیستم تنظیم گلوکز پیادهسازی شود. عملکرد الگوریتم طراحی شده، براساس شاخصهای کمی و کیفی مورد ارزیابی قرار گرفت و با کنترلر PID در ساختار پیشبین اسمیت مقایسه شد. نتایج حاکیاز عملکرد مناسب کنترلر پیشنهادی در شرایط ناشتا، دفع اغتشاش غذا و توانایی آن در برابر تغییر پذیری بین بیماران است.