|
УДК 004.4(06) Технологии разработки программных систем
Д.А. ИВАНОВ
Научный руководитель – А.Г. ТРОФИМОВ, к.т.н., доцент
Национальный исследовательский ядерный университет «МИФИ»
МОДЕЛИРОВАНИЕ УРОВНЯ ГЛЮКОЗЫ В КРОВИ
БОЛЬНЫХ САХАРНЫМ ДИАБЕТОМ ПЕРВОГО ТИПА
С ПОМОЩЬЮ NARX-НЕЙРОСЕТЕЙ
Предложено применить нейросетевую NARX-модель для решения задачи идентификации уровня глюкозы в крови больных сахарным диабетом первого типа. Приводятся результаты использования нейросетевого подхода к решению задачи.
Задача идентификации уровня глюкозы в крови актуальна в настоящее время, так как заболевание сахарным диабетом первого типа широко распространено среди населения и без своевременного лечения приводит к большому количеству осложнений, часто смертельных. Многие больные испытывают трудности при расчёте дозировки лекарств, в связи с чем часты случаи передозировок. В работе поставлена задача построения модели уровня глюкозы в крови пациентов, необходимой для прогнозирования оптимальных доз инсулина.
Для расчёта уровня глюкозы в крови в настоящее время существует множество алгоритмов, основанных на дифференциальных уравнениях, на конечных автоматах, на нейросетях и на смешенных методах [1]. Но значительная часть этих алгоритмов требует знания трудноопределимых входных данных, отражающих индивидуальные особенности организма больного. Кроме того, эти алгоритмы показывают высокую точность лишь в ограниченном числе случаев.
Учитывая перечисленные недостатки, для решения задачи идентификации уровня глюкозы было предложено использовать NARX- нейросети, как сети позволяющие моделировать динамические процессы за счет наличия обратной связи [2]. Для построения нейросетевой модели использованы данные наблюдений за больными, полученные компанией Medtronic. В качестве входов нейросети использованы значения уровня инсулина в крови и значения поглощенных углеводов в текущий и предыдущие моменты времени. Выходом являлось значение уровня глюкозы в крови в текущий момент времени.
В процессе исследований проводились эксперименты зависимости точности моделирования от архитектуры нейросети, количества задержек по входам и по выходам нейросети. В результате исследований было установлено, что нейросеть, состоящая из четырёх слоёв и имеющая 58 нейронов, с числом задержек по входам равным 25, по выходам 5, показывает наилучшие результаты по точности на тестовой выборке.
Полученная нейросеть практически идеально моделирует динамику глюкозы на обучающей выборке. Результаты работы на тестовой выборке значительно хуже, точность сети составляет около 68% (рис. 1).
Рис. 1. Результаты работы обученной NARX-нейросети на обучающей (до 375 такта) и тестовой (до 458 такта) выборке. Сплошной линией показаны эталонные значения уровня глюкозы, пунктирной линией – предсказание нейросети
Достигнутое значение показателя точности предсказания предположительно связано с малой длиной обучающего временного ряда и недостаточным числом учитываемых входных факторов, влияющих на уровень глюкозы. В дальнейшем предполагается провести серию исследований, способствующих увеличению точности прогнозирования.
Список литературы
-
1. С.М. Гоменюк, А.О. Емельянов, А.П.Карпенко, С.А.Чернецов, Методы прогнозирования оптимальных доз инсулина для больных сахарным диабетом I типа. Наука и образование, 22стр, 2009.
2. С. Осовский. Нейронные сети для обработки информации. Финансы и статистика, 344стр, 2004.
|