Advertisement

针对胰岛素控制的血糖模型，特别是1型糖尿病患者的血糖模型，已开发MATLAB程序。

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
Sandra Lynch 和 B. Wayne Bequette 在 2002 年发表的名为“使用皮下葡萄糖测量值对 I 型糖尿病患者的血糖进行模型预测控制”的研究中构建的模型。 相关的其他模型以及相关文档可供下载，具体链接位于 http://www.hedengren.net/research/models.htm 。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 针对1型糖尿病患者的胰岛素调控血糖模型-MATLAB开发
    优质
    本项目采用MATLAB软件开发了一种专门针对1型糖尿病患者胰岛素需求的个性化血糖调节模型。该模型通过模拟人体胰岛素的作用机制，为优化1型糖尿病患者的日常管理和治疗方案提供了有效的工具和参考。 Sandra Lynch 和 B. Wayne Bequette 于 2002 年在研究“使用皮下葡萄糖测量值对 I 型糖尿病患者的血糖进行模型预测控制”中提出了一个模型。其他相关模型和文档可以在 http://www.hedengren.net/research/models.htm 下载。 去掉链接后的句子为：Sandra Lynch 和 B. Wayne Bequette 于 2002 年在研究“使用皮下葡萄糖测量值对 I 型糖尿病患者的血糖进行模型预测控制”中提出了一个模型。其他相关模型和文档可以在相应网站下载。
     
  • 在 Simulink 中模拟 I 型糖尿病患者血糖调节：利用胰岛素泵调整速率以管控血糖-MATLAB 开发
    优质
    本项目运用MATLAB及Simulink工具箱，针对I型糖尿病患者血糖调控问题进行仿真研究。通过模型构建与分析，探索优化胰岛素泵的输注策略，有效控制患者的血糖水平，旨在提高患者的生活质量。 这种人工胰腺模拟包括连续血糖监测器、胰岛素注射泵以及潜在的PID控制器。该过程控制项目的描述可以在相关文献中找到。Ali Cinar博士最近发布了一段关于人工胰腺进展的主题视频。有关过程动力学和控制的其他课程材料也可以在相关网站上获取。
     
  • Matlab SVR 代码-GLYFE：糖尿病血糖预测的基准模型
    优质
    本项目提供了基于Matlab的SVR（支持向量回归）代码，旨在为糖尿病患者的血糖水平进行准确预测，建立了一个评估其他算法性能的基准模型。 GLYFE是一个用于评估葡萄糖预测模型的基准工具。本指南将帮助您获取运行该基准所需的资料，并开发新的血糖预测模型。 ### 先决条件 要模拟并运行此基准测试，您需要以下软件版本：MATLAB R2018b和T1DMS v3.2.1。此外，还需要安装以下Python库： - matplotlib 3.1.3 - numpy 1.18.1 - pandas 1.0.1 - patsy 0.5.1 - pip 20.0.1 - pytorch 1.4.0 - scikit-learn 0.22.1 - scipy 1.4.1 - setuptools 45.2.0 - statsmodels 0.12 ### 数据获取 为了访问俄亥俄州T1DM数据，您需要将OhioT1DM-testing和OhioT1DM-training两个文件夹放置在`./data/ohio/`目录下。如果该目录不存在，请先创建它。 ### 环境配置 要设置运行环境，需复制并粘贴GLYFE/T1DMS/GLYFE.scn场景文件到T1DMS安装的主文件夹中。
     
  • 糖尿病血糖检测仪模块-开源
    优质
    本项目提供一款用于监测糖尿病患者血糖水平的开源硬件模块。该模块设计旨在简化血糖数据的采集与分析，并支持用户自定义开发。 我们的目标是制造用于血糖仪的模块，并使这些模块可用于创建与糖尿病相关的软件项目。
     
  • 糖尿病血糖数据集-数据集
    优质
    该数据集包含大量糖尿病患者的血糖测量值及其他相关健康信息，旨在支持医疗研究与模型训练，帮助改善糖尿病管理及患者生活质量。 糖尿病之血糖数据集-数据集包含了与糖尿病患者相关的血糖记录和其他相关信息。该数据集旨在帮助研究者和医疗工作者更好地理解糖尿病的发展趋势及其管理方法。通过分析这些数据，可以发现潜在的模式、风险因素以及有效的治疗策略，从而改善患者的健康状况并提高生活质量。
     
  • 糖尿病遗传风险预测：基于血糖值的模型构建与分析
    优质
    本研究旨在通过建立基于个人血糖值的数据模型，来评估和预测个体患糖尿病的遗传风险，为早期预防提供科学依据。 针对包含年龄、性别及各项体检指标的训练数据集（其中目标变量为血糖值），以及缺少血糖值的测试数据集进行预处理，并在完成预处理后的数据基础上运用LightGBM算法，这是一种基于决策树的梯度提升框架，在该模型中我们将通过交叉验证的方式对42个特征的数据集进行训练。这些特征包括37项医学指标，每条记录的第一行为各变量名称。 分析目标如下： 1. 构建以血糖值为预测对象的模型； 2. 进行糖尿病遗传风险评估，并分析其结果； 实现上述目标时需完成以下具体任务： 1. 采用多种评价标准来衡量所构建模型的效果； 2. 根据这些评价指标优化我们的预测模型； 3. 利用折线图对比真实血糖值与预测值，以便更直观地观察两者之间的差异； 4. 筛选测试数据集中符合正常范围（即3.9～6.1毫摩尔/升）的个体信息； 5. 收集并分析高血糖风险人群的相关资料。
     
  • 糖尿病预测模型：DiabetesPrediction
    优质
    DiabetesPrediction是一款专为预防和管理糖尿病设计的数据分析工具。通过先进的机器学习算法，该模型能够精准预测个体患糖尿病的风险，帮助用户及早采取干预措施，有效控制血糖水平，促进健康生活。 在PIMA INDIAN糖尿病数据集上创建了一个预测模型，并实现了78.35%的准确率，该准确性基于测试数据得出（这些数据并未参与模型训练）。所使用的csv文件存储于名为“csv”的文件夹中，而R代码则保存在“脚本”文件夹内。GUI功能包含在服务器和用户脚本组成的“GUI”文件夹里。 请注意，并非所有功能都能直接运行于标准的R程序包环境之中，因此可能需要安装额外的相关软件包来支持模型运行所需的功能。为了确保服务器能够正常运作，请务必使用与执行相关脚本时相同的环境配置，在Rstudio中加载此特定环境尤为重要。另外，建议将工作目录设置为包含csv文件的“csv”文件夹。 此外，该项目包含了详细的文档资料（以Word格式提供），其中不仅详述了项目实施过程中所采用的方法、决策和选择过程，还包括结果分析、比较研究以及可视化图表等内容，并对所有必要的解释性说明进行了充分阐述。