eprintid: 13975 rev_number: 20 eprint_status: archive userid: 2544 dir: disk0/00/01/39/75 datestamp: 2012-12-01 06:45:32 lastmod: 2016-04-21 13:25:34 status_changed: 2012-12-01 06:45:32 type: other metadata_visibility: show item_issues_count: 0 creators_name: García González, Carlos contributors_name: Rodríguez Herrero, Agustín title: Predictor paramétrico de glucosa subcutánea ispublished: unpub subjects: electronica abstract: La diabetes mellitus es una enfermedad que se caracteriza por la nula o insuficiente producción de insulina, o la resistencia del organismo a la misma. La insulina es una hormona que ayuda a que la glucosa (por ejemplo la obtenida a partir de los alimentos ingeridos) llegue a los tejidos periféricos y al sistema nervioso para suministrar energía. Hoy en día la tecnología actual permite abordar el desarrollo del llamado “páncreas endocrino artificial”, que consta de un sensor continuo de glucosa subcutánea, una bomba de infusión subcutánea de insulina y un algoritmo de control en lazo cerrado que calcule la dosis de insulina requerida por el paciente en cada momento, según la medida de glucosa obtenida por el sensor y según unos objetivos. El mayor problema que presentan los sistemas de control en lazo cerrado son los retardos, el sensor de glucosa subcutánea mide la glucosa del líquido intersticial, que representa la que hubo en la sangre un tiempo atrás, por tanto, un cambio en los niveles de glucosa en la sangre, debidos por ejemplo, a una ingesta, tardaría un tiempo en ser detectado por el sensor. Además, una dosis de insulina suministrada al paciente, tarda un tiempo aproximado de 20-30 minutos para la llegar a la sangre. Para evitar trabajar en la medida que sea posible con estos retardos, se intenta predecir cuál será el nivel de glucosa en un futuro próximo, para ello se utilizara un predictor de glucosa subcutánea, con la información disponible de glucosa e insulina. El objetivo del proyecto es diseñar una metodología para estimar el valor futuro de los niveles de glucosa obtenida a partir de un sensor subcutáneo, basada en la identificación recursiva del sistema glucorregulatorio a través de modelos lineales y determinando un horizonte de predicción óptimo de trabajo y analizando la influencia de la insulina en los resultados de la predicción. Se ha implementado un predictor paramétrico basado en un modelo autorregresivo ARX que predice con mejor precisión y con menor RMSE que un predictor ZOH a un horizonte de predicción de treinta minutos. Utilizar información relativa a la insulina no tiene efecto en la predicción. El preprocesado, postprocesado y el tratamiento de la estabilidad tienen un efecto muy beneficioso en la predicción. Diabetes mellitusis a group of metabolic diseases in which a person has high blood sugar, either because the body does not produce enough insulin, or because cells do not respond to the insulin produced. The insulin is a hormone that helps the glucose to reach to outlying tissues and the nervous system to supply energy. Nowadays, the actual technology allows raising the development of the “artificial endocrine pancreas”. It involves a continuous glucose sensor, an insulin bump, and a full closed loop algorithm that calculate the insulin units required by patient at any time, according to the glucose measure obtained by the sensor and any target. The main problem of the full closed loop systems is the delays, the glucose sensor measures the glucose in the interstitial fluid that represents the glucose was in the blood some time ago. Because of this, a change in the glucose in blood would take some time to be detected by the sensor. In addition, insulin units administered by a patient take about 20-30 minutes to reach the blood stream. In order to avoid this effect, it will try to predict the glucose level in the near future. To do that, a subcutaneous glucose predictor is used to predict the future glucose with the information about insulin and glucose. The goal of the proyect is to design a method in order to estimate the future valor of glucose obtained by a subcutaneous sensor. It is based on the recursive identification of the regulatory system through the linear models, determining optimal prediction horizon and analyzing the influence of insuline on the prediction results. A parametric predictor based in ARX autoregressive model predicts with better precision and with lesser RMSE than ZOH predictor in a thirty minutes prediction horizon. Using the relative insulin information has no effect in the prediction. The preprocessing, the postprocessing and the stability treatment have many advantages in the prediction. date: 2012-09-28 date_type: completed full_text_status: public place_of_pub: Madrid institution: E_Telecomunicacion department: Sistemas_Electronicos refereed: TRUE referencetext: A. Rodríguez-Herrero. Propuesta de un Algoritmo de Control en Lazo Cerrado para la Diabetes Tipo 1. Tesis Doctoral UPM. 2010. J.García, J.I. Rodríguez, J. Vidal. Aprenda Matlab. 2005. L. Ljung. System Identification.Theory for de user.2ª ed. Upper Saddle River, New Jersey.Prentice-Hall PTR, 1999. A. Prados-Vilchez. Identificación paramétrica en tiempo real del sistema glucorregulatorio humano. PFC EUITT-UPM. 2008. A. Rodríguez-Herrero, C. Pérez-Gandía, M. Rigla, A. de Leiva, E.J. Gómez and M.E. Hernando. “A Simulation Study of an Adaptive Controller for Closed Loop Control in Type 1 Diabertes”.Diabetes Technology and Therapeutics. 2010. A. Prados-Vílchez, A. Rodriguez-Herrero, C. Pérez-Gandía, M. Rigla, A. de-Leiva, E.J. Gómez, M.E. Hernando, “Closed-Loop Simulation Study in Type 1 Diabetes with Parametric Inverse Controller”, in Proc. 3rd Conference on Advanced Technologies & Treatments for Diabetes, Kenes International, Basel, Feb. 2010. Carlos Amor Amor. Controlador inverso paramétrico en lazo cerrado para el control de la Diabetes Tipo 1. PFC EUITT-UPM. 2012 A. Prados Vílchez, A. Rodríguez Herrero, M.E. Hernando Pérez, C. Pérez Gandía, E.J. Gómez Aguilera. “Identificación Paramétrica de la Dinámica de la Diabetes Tipo 1”. XXVI Congreso Anual de la Sociedad Española de Ingeniería Biomédica (CASEIB 2008), pp. 194-197, 978-84-691-3640-9, Valladolid, Octubre 2008. A. Prados-Vílchez, A. Rodriguez-Herrero, C. Pérez-Gandía, M. Rigla, A. de-Leiva, E.J. Gómez, M.E. Hernando, “Closed-Loop Simulation Study in Type 1 Diabetes with Parametric Inverse Controller”, in Proc. 3rd Conference on Advanced Technologies & Treatments for Diabetes,Kenes International, Basel, Feb. 2010. A. Rodríguez Herrero, A. Prados Vílchez, C. Pérez Gandía, E.J. Gómez Aguilera, M.E. Hernando Pérez, "Controlador Inverso Paramétrico Adaptativo para el Control en Lazo Cerrado de la Diabetes Tipo 1", Actas del XXVII Congreso Anual de la Sociedad Española de Ingeniería Biomédica, pp.251-254, 978-84-608-0990-6, Cádiz, noviembre, 2009. C. Pérez-Gandía, M. Rigla, B. Pons, D. Subías, G. García-Sáez, I. Martínez-Sarriegui, J.M. Iniesta, A. Rodríguez-Herrero, E.J. Gómez, M.E. Hernando. “ Accuracy Evaluation of an On-Line Neural Network Glucose Prediction Algorithm In A Cross-Correlation Study”, in Proc. 4th Conference on Advanced Technologies & Treatments for Diabetes,Kenes International, London, Feb. 2011. C. Pérez-Gandía, M. Rigla, B. Pons, D. Subías, G. García-Sáez, I. Martínez-Sarriegui, J.M. Iniesta, A. Rodríguez-Herrero, E.J. Gómez, M.E. Hernando. “Predeval: a New Tool for the Evaluation of Any Glucose Prediction Algorithm”, in Proc. 4th Conference on Advanced Technologies & Treatments for Diabetes, Kenes International, London, Feb. 2011. A. Prados-Vílchez, A. Rodriguez-Herrero, C. Pérez-Gandía, M. Rigla, A. de-Leiva, E.J. Gómez, M.E. Hernando, “Closed-Loop Simulation Study in Type 1 Diabetes with Parametric Inverse Controller”, in Proc. 3rd Conference on Advanced Technologies & Treatments for Diabetes,Kenes International, Basel, Feb. 2010. Rodríguez-Herrero, A. Prados-Vilchez, C. Pérez-Gandía, M.E. Hernando, A. de Leiva,and E.J. Gómez, “Time-Variant Parametric Predictor of Continuous Glucose Monitoring”, in Proc. 2nd Conference on Advanced Technologies & Treatments for Diabetes,Kenes International, Athens, Feb. 2009, pp. 276. Pérez-Gandía C., Hernando M.E., García-Sáez G., Rodríguez-Herrero A, Rigla M., de Leiva A., and Gómez E.J.,"Factors that influence the precision of a glucose predictor for type 1 diabetes based on neural networks", 2nd Conference on Advanced Technologies & Treatments for Diabetes,Kenes International, Athens, Feb. 2009, pp. 203. C. Pérez-Gandía, M.E. Hernando, C.O. S.Sorzano, A. Otero-Quintana, G. García-Sáez, A. Rodríguez-Herrero, M.Rigla, A. de Leiva and E.J. Gómez, “Neural Networks for Glucose Preditcion in Continuos Glucose Monitoring”, in Proc. 1st Int. Conf. Advanced Technologies and Treatments for Diabetes, Kenes International, Prague, Feb. 2008, pp 46. I. Capel, M. Hernando, G. García-Sáez, D. Subías, B. Pons, A. Rodríguez-Herrero, M. Aguilar, I. Gallach, C. Pérez-Gandía, F. García-García, M. Rigla, “Páncreas artificial con controlador basado en reglas: resultados preliminares de la primera experiencia clínica”, Actas del XXIII Congreso anula de la Sociedad Española de Diabetes, pp.xx, 978.xxxx-1, Vigo (Pontevedra), abril, 2012. A. Rodríguez Herrero, A. Prados Vílchez, C. Pérez Gandía, E.J. Gómez Aguilera, M.E. Hernando Pérez,"Controlador Inverso Paramétrico Adaptativo para el Control en Lazo Cerrado de la Diabetes Tipo 1", Actas del XXVII Congreso Anual de la Sociedad Española de Ingeniería Biomédica, pp.251-254, 978-84-608-0990-6, Cádiz, noviembre, 2009. A. Prados Vílchez, A. Rodríguez Herrero, C. Pérez Gandía, E.J. Gómez Aguilera, M.E. Hernando Pérez,"Predictor Dinámico Paramétrico de la Glucosa Subcutánea en Diabetes Tipo 1: Muestreo y Filtrado", Actas del XXVII Congreso Anual de la Sociedad Española de Ingeniería Biomédica, pp.640-643, 978-84-608-0990-6, Cádiz, noviembre, 2009. C. Pérez-Gandía, G. García-Sáez, A. Rodríguez-Herrero, E.J. Gómez, M.E. Hernando“Estrategias de Entrenamiento de un Modelo de Predicción de Glucemia Basado en Redes Neuronales”. Actas del XXVII Congreso Anual de la Sociedad Española de Ingeniería Biomédica, pp.413-416, 978-84-608-0990-6, Cádiz, noviembre, 2009. A. Prados Vílchez, A. Rodríguez Herrero, M.E. Hernando Pérez, C. Pérez Gandía, E.J. Gómez Aguilera. “Identificación Paramétrica de la Dinámica de la Diabetes Tipo 1”. XXVI Congreso Anual de la Sociedad Española de Ingeniería Biomédica (CASEIB 2008), pp. 194-197, 978-84-691-3640-9, Valladolid, Octubre 2008. C. Pérez, M.E. Hernando G. García, A. Rodríguez, O. Sánchez y E.J. Gómez. “Metodología de Evaluación de Modelos de Predicción de Glucemia en Pacientes Diabéticos Basados en Redes Neuronales”. XXIII Congreso Anual de la Sociedad Española de Ingeniería Biomédica (CASEIB 05), pp. 377-380, 84-7402-325-4, Madrid, Noviembre 2005. rights: by-nc-nd citation: García González, Carlos (2012). Predictor paramétrico de glucosa subcutánea. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.U.I.T. Telecomunicación (UPM) , Madrid. document_url: https://oa.upm.es/13975/1/PFC_CARLOS_GARCIA_GONZALEZ.pdf