基于活性胰岛素累积量模糊自适应比例-积分-微分闭环胰岛素的控制方法

doi:10.3969/j.issn.2095-4344.1420

中国组织工程研究 ›› 2019, Vol. 23 ›› Issue (30): 4816-4821.doi: 10.3969/j.issn.2095-4344.1420

• 材料生物相容性 material biocompatibility • 上一篇下一篇

基于活性胰岛素累积量模糊自适应比例-积分-微分闭环胰岛素的控制方法

余丽玲，张刚平，刘文平，徐彬锋，金浩宇

广东食品药品职业学院，广东省广州市 510520

收稿日期:2019-05-06 出版日期:2019-10-28 发布日期:2019-10-28
通讯作者: 金浩宇，博士，教授，广东食品药品职业学院，广东省广州市 510520
作者简介:余丽玲，女，1988年生，广东省韶关市人，汉族，硕士，讲师，主要从事人工胰腺的研究。
基金资助:
广东省科技计划项目(2015A020214016)，项目负责人：金浩宇；广东省医学科学技术研究基金项目(B2017093)，项目负责人：余丽玲；广东食品药品职业学院院级课题院级课题(2015YZ020，2018ZR032)，项目负责人：余丽玲

A fuzzy adaptive proportional-integral-derivative (PID) control strategy based on insulin-on-board control method of closed-loop insulin infusion

Yu Liling, Zhang Gangping, Liu Wenping, Xu Binfeng, Jin Haoyu

Guang Dong Food and Drug Vocational College, Guangzhou 510520, Guangdong Province, China

Received:2019-05-06 Online:2019-10-28 Published:2019-10-28
Contact: Jin Haoyu, MD, Professor, Guang Dong Food and Drug Vocational College, Guangzhou 510520, Guangdong Province, China
About author:Yu Liling, Master, Lecturer, Guang Dong Food and Drug Vocational College, Guangzhou 510520, Guangdong Province, China
Supported by:
Science and Technology Planning Project of Guangdong Province, No. 2015A020214016 (to JHY); Medical Scientific Research Foundation of Guangdong Province, No. B2017093 (to YLL); a College-Level Program of Guangdong Food and Drug Vocational College, No. 2015YZ020, 2018ZR032 (both to YLL)

摘要/Abstract

摘要：

文章快速阅读：

文题释义：

人工胰腺：它根据人体血糖波动情况输注胰岛素，在整个血糖控制过程中不需要患者的参与，能够自动控制糖尿病患者的血糖变化至正常水平，该控制系统主要包括3个部分：连续血糖监测系统、血糖闭环控制算法和胰岛素泵。随着血糖检测技术的突破，精确、便携胰岛素泵和连续动态血糖监测产品的出现，以及胰岛素泵和传感器之间无线通讯技术的进步与发展，才使得开发便携、具有血糖闭环控制功能的人工胰腺产品成为可能。针对人工胰腺开发过程中血糖闭环控制算法这一关键技术的研究，也重新吸引许多专家学者的关注。血糖闭环控制算法的研究已成为突破人工胰腺开发难题的关键，亟须更多的关注与研究。

比例-积分-微分控制算法：作为最早实用化的控制器，发展历史悠久，控制效果较优，目前应用范围广泛。比例-积分-微分设计的胰岛素输注速度可看作比例项、积分项和微分项这3部分的加权和。比例-积分-微分算法运用3个分量尽可能地模拟人体 β 细胞分泌胰岛素的生理传输过程。比例分量对应于实测血糖值偏离目标血糖值时的胰岛素分泌量，当实测血糖值等于目标血糖值时则为 0，因而该分量对于保持日常的基础胰岛素输注没有任何贡献；积分分量用于调整血糖围绕目标值上下微幅波动时的胰岛素分泌量，也是使血糖稳定在目标值时保持基础胰岛素输注量的唯一成分，由于积分分量仅在血糖围绕目标值微幅波动时微量调节胰岛素分泌，因而可确保血糖能稳定在目标值；微分分量对应于血糖快速变化时迅速调节胰岛素分泌。

背景：智能的血糖控制算法是闭环式人工胰腺的重要环节。

目的：为了有效控制1型糖尿病患者的血糖浓度，降低患者高、低血糖事件的发生概率，提出基于活性胰岛素累积量模糊自适应比例微积分的闭环胰岛素控制算法。

方法：根据实时监测的人体血糖数据，采用比例微积分算法模拟人体β细胞分泌胰岛素生理传输过程，然后不断优化比例-积分-微分控制器参数数值，利用活性胰岛素累积量进行修正模糊比例-积分-微分计算出来的胰岛素剂量，使得最终计算出适合该患者的最佳胰岛素泵给药量。

结果与结论：该算法在美国弗吉尼亚大学与意大利帕多氏联合开发的UVa /Padova 仿真平台进行了算法性能的测试，仿真实验结果表明该控制算法显著降低了低血糖事件，将血糖水平控制在设定的目标区间，提高了胰岛素注射疗法的精确性和有效性，显著降低了各种并发症的产生。

ORCID: 0000-0001-6171-5331(余丽玲)
中国组织工程研究杂志出版内容重点：生物材料；骨生物材料; 口腔生物材料; 纳米材料; 缓释材料; 材料相容性；组织工程

关键词: 1型糖尿病, 人工胰腺, 模糊自适应PID, 血糖浓度, 胰岛素, 活性胰岛素累积量, 连续血糖监测, 仿真平台

Abstract:

BACKGROUND: Intelligent blood glucose control algorithm is an important part of closed loop artificial pancreas.

OBJECTIVE: To effectively control the blood glucose level of patients with type 1 diabetes mellitus, reduce the incidence of high or low blood glucose level, and propose a closed-loop insulin control algorithm based on fuzzy adaptive proportional-integral-derivative control strategy.

METHODS: According to the real-time monitoring data of continuous human blood glucose, proportional-integral-derivative algorithm was used to simulate the physiological transmission process of insulin secretion from human β cells. Then the parameters of the proportional-integral-derivative controller were continuously optimized. The amount of insulin-on-board was used to correct the insulin dose calculated by fuzzy adaptive proportional-integral-derivative algorithm to realize the optimal control of insulin pump.

RESULTS AND CONCLUSION: The performance of the proposed control algorithm was tested using the UVa/Padova stimulator jointly developed by the University of Virginia (USA) and University of Padova (Italy). Results showed that the insulin control algorithm significantly reduced hypoglycemia events, controlled blood glucose levels in the designated target range, increased the accuracy and effectiveness of insulin injection therapy, and greatly reduced the occurrence of various complications.

Key words: type 1 diabetes, artificial pancreas, fuzzy adaptive PID, blood glucose level, insulin, insulin-on-board, continuous glucose monitoring, UVa/Padova stimulator

中图分类号:

余丽玲，张刚平，刘文平，徐彬锋，金浩宇. 基于活性胰岛素累积量模糊自适应比例-积分-微分闭环胰岛素的控制方法[J]. 中国组织工程研究, 2019, 23(30): 4816-4821.

Yu Liling, Zhang Gangping, Liu Wenping, Xu Binfeng, Jin Haoyu. A fuzzy adaptive proportional-integral-derivative (PID) control strategy based on insulin-on-board control method of closed-loop insulin infusion[J]. Chinese Journal of Tissue Engineering Research, 2019, 23(30): 4816-4821.

图/表（结果） 6

目前，美国弗吉尼亚大学与意大利帕多氏联合开发的UVa/Padova仿真平台^[16-17]，该仿真平台的仿真人体模型已被美国食品和药物管理局批准用于替代动物实验。该平台提供了虚拟的CGMS系统和胰岛素泵，用户只需要将自己的控制算法导入就可对任何虚拟患者进行血糖控制仿真实验。实验的血糖控制算法在该平台的学术版本进行了仿真测试，该学术版本包含30个虚拟的糖尿病患者数据(10例成年患者、10例青少年患者和10例儿童患者)，利用MATLAB软件的Simulink对实验中的算法进行仿真控制设计，将设计好的控制算法植入糖尿病模拟治疗测试软件，对算法进行性能测试。

在仿真平台测试时，测试生成3 d的模拟场景，成人和青少年也使用同样的进餐方案。在大多数情况下，该文算法能够使得糖尿病患者的血糖浓度控制在目标范围(3.8-10 mmol/L)内具有高百分比。输入和输出变量的论域取值以下：e(k)、ec(k) ={-3，-2，-1，0，1，2，3}；?K_P ={-0.5，-0.2，-0.1，0，0.1，0.2，0.5}，?K_I ={-0.5，-0.2，-0.1，0，0.1, 0.2，0.5}，?K_D ={-0.5，-0.2，-0.1，0，0.1，0.2，0.5}。

该文控制器效果良好，10例成人患者的测试结果如图2所示，其中第一、二行代表没有进行血糖控制的效果，第三、四行代表该文方法的控制效果。从图上可看到10名受试者(成人01、02、03、04、05、06、07、08、09、10)血糖浓度在目标范围(3.8-10 mmol/L)内的百分比分别上升了42%，2%，41%，33%，68%，18%，89%，66%，22%，5%。

图3显示了10例青少年的测试结果，从图上可看到10名受试者(青少年01、02、03、04、05、06、07、08、09、10)血糖浓度在目标范围内的百分比分别上升了51%，38%，56%，61%，62%，54%，45%，45%，65%，56%。对比成人的控制效果，青少年的控制稍微差些，这归因于青少年的血糖波动比成年人高得多。

表2中列出了20例糖尿病患者(成人和青少年)的结果，其中包括仿真测试时间内，患者的血糖浓度< 2.7 mmol/L，2.7-3.8 mmol/L，3.8-10 mmol/L(目标范围)，10- 16.6 mmol/L和>16.6 mmol/L所占的时间百分比。该文方法与传统的PID控制算法进行了比较，选择使用相同的场景和实验条件，该文方法能够更好地将1型糖尿病患者的血糖浓度维持在目标范围内。

从表2可知在测试过程中，糖尿病患者血糖浓度在平均90%以上的时间内保持在3.8-10 mmol/L之间。此外，该文控制方法在青少年糖尿病患者测试中也获得了较大改善。该文提出的胰岛素控制算法使得糖尿病患者血糖浓度随着时间波动的变化减少，并且高血糖和低血糖现象的出现率明显降低了。表3提供了10例虚拟糖尿病成人患者的仿真测试结果，从表中可看出低血糖指数和高血糖指数的平均值较低。基于活性胰岛素累积量模糊自适应PID控制算法对比例和微分项的权重进行了优化，同时活性胰岛素累积量的引入使得计算的胰岛素更精确，以使平均糖浓度风险指数(低血糖指数+高血糖指数)最小化，即使糖尿病患者低血糖和高血糖偏移的风险降至最低。另外，从10例成人患者平均餐前和餐后的血糖浓度也未观察到低血糖发作。

控制变异性网格分析用来评估所有患者的血糖浓度调节质量^[18]，在评估闭环胰岛素控制算法及比较它们的性能方面发挥重要作用。假定对于每个受试者，在指定的时间段(例如1 d)内测量的糖尿病患者血糖浓度时间序列可用，控制变异性网格分析如下获得：对于每个受试者，绘制一个点，其X坐标代表最小血糖浓度，其Y坐标代表的所考虑时间段内的最大血糖浓度。网格内9个矩形区域定义如下：A区意味着精确控制，Lower B区意味着低血糖的良性偏差，Upper B区意味着高血糖的良性偏差，B区意味着良性控制偏差，Lower C意味着血糖浓度过度纠正，Upper C意味着低血糖过度纠正，Lower D意味着不能处理低血糖事件，Upper D意味着不能处理高血糖事件，E意味着错误的控制。图4显示了其中一组糖尿病患者的控制变异性网格分析，从图上可看到控制变异性网格分析中的所有点都位于A区和B区，意味着该文提出的血糖控制方法具有更好的血糖浓度调节控制。

图5显示了10例成年人的仿真结果，SD代表标准偏差，用来描述各患者血糖值偏离平均血糖距离的平均数，它是离差平方和平均后的方根，实线代表虚拟成人糖尿病患者的平均血糖浓度，红色虚线代表血糖值在平均值上面波动变化。在虚拟成人糖尿病患者的测试中，该文提出的血糖浓度控制算法被证明了可改善糖尿病患者的血糖控制，同时能够降低患者低血糖发生率，平均98.5%的仿真时间内成年糖尿病患者的血糖浓度都保持在目标范围内。图6显示了10例青少年患者的平均血糖浓度和SD。该文方法能够跟踪患者血糖浓度的变化。在青少年糖尿病患者的测试过程中，血糖浓度在目标范围内占得比例平均为91.57%，并且在夜间血糖能够保持稳定。

参考文献

[1]Liu WP, Zhang GP, Yu LL, et al. Improved GPC Algorithm for Blood Glucose Control of Type 1 Diabetes. Artif Organs.2019;43(4):386-398.

[2]Hirsch IB.Clinical review: Realistic expectations and practical use of continuous glucose monitoring for the endocrinologist.J Clin Endocrinol Metab.2009;94(7):2232-2238.

[3]Cobelli C, Renard E, Kovatchev B. Artificial pancreas: past, present, future. Diabetes. 2011; 60: 2672-2682.

[4]Davey RJ, Low C,Jones TW,et al.Contribution of an intrinsic lag of continuous glucose monitoring systems to differences in measured and actual glucose concentrations changing at variable rates in vitro.J Diabetes Sci Technol.2010;4(6):1393-1399.

[5]Bagis A,Senberber H.ABC algorithm based PID controller design for higher order oscillatory systems.Elektron Elektrotech.2017;23(6):3-9.

[6]Soylu S,Danisman K.In silico testing of optimized Fuzzy P+D controller for artificial pancreas. Biocybern Biomed Eng.2018;38(2):399-408.

[7]Gondhalekar R,Dassau E,Doyle FJ 3rd.MPC design for rapid pump-attenuation and expedited hyperglycemia response to treat T1DM with an artificial pancreas.Proc Am Control Conf.2014;2014:4224-4230.

[8]Turksoy K,Quinn L,Littlejohn E,et al.Multivariable adaptive identification and control for artificial pancreas systems.IEEE Trans Biomed Eng. 2014;61:883-891.

[9]Turksoy K,Cinar A. Adaptive control of artificial pancreas systems-a review. J Healthc Eng. 2014; 5:1-22.

[10]Abbes IB,Richard PY,Lefebvre MA,et al.A closed-loop artificial pancreas using a proportional integral derivative with double phase lead controller based on a new nonlinear model of glucose metabolism.J Diabetes Sci Technol.2013;7:699-707.

[11]Steil GM,Rebrin K,Janowski R,et al.Modeling beta-cell insulin secretion–implications for closed-loop glucose homeostasis.Diabetes Technol Ther.2003;5(6):953-964.

[12]Eren M.Adaptive control strategy for regulation of blood glucose levels in patients with type 1 diabetes.J Proc Control.2009;19:1333-1346.

[13]Kovatchev B,Cobelli C,Renard E,et al.Multinational study of subcutaneous model-predictive closed-loop control in type 1 diabetes mellitus: summary of the results.J Diabetes Sci Technol. 2010;4(6): 1374-1381.

[14]Mauseth R,Hirsch IB, Bollyky J,et al.Use of a "fuzzy logic" controller in a closed-loop artificial pancreas.Diabetes Technol Ther. 2013;15(8): 628-633.

[15]Khooban MH, Abadi DNM, Alfi A, et al.Swarm optimization tuned Mamdani fuzzy controller for diabetes delayed model.Turk J Elec Eng Comp Sci.2013;21:2110-2126.

[16]Man CD, Micheletto F, Lv D,et al.The UVA/PADOVA Type 1 Diabetes Simulator: New Features.J Diabetes Sci Technol.2014;8(1):26-34.

[17]Visentin R,Man CD,Cobelli C.One-Day Bayesian Cloning of Type 1 Diabetes Subjects: Toward a Single-Day UVA/Padova Type 1 Diabetes Simulator.IEEE Trans Biomed Eng. 2016;63(11):2416-2424.

[18]闫朝峰.基于个体化参数的血糖控制策略设计[D].北京:北京化工大学,2014.

[19]Turksoy K,Samadi S,Feng J,et al.Meal-Detection in Patients with Type 1 Diabetes: A New Module for The Multivariable Adaptive Artificial Pancreas Control System.IEEE J Biomed Health Inform. 2016;20(1): 47-54.

引言

国际糖尿病联盟发布的第八版全球糖尿病概览显示，2017年中国糖尿病患者人数(1.144亿)位居全球第一，然而大部分患者仍处于未被诊断且不知晓的状态，而且发病年龄也日趋年轻化。世界卫生组织预计，若不尽快采取行动，到2040年中国的糖尿病患者将增至1.5亿人，给健康和社会经济带来严重影响。

1型糖尿病又称胰岛素依赖型糖尿病，1型糖尿病的确切病因尚不清楚^[1]。目前临床上无法对1型糖尿病患者进行彻底根治，但患者可通过每天注射胰岛素来调节代谢水平的平衡^[2]。人工胰腺系统又称糖尿病患者血糖闭环控制系统^[3]，是1型糖尿病患者的重要治疗手段。基本的人工胰腺系统包括3部分：连续血糖监测、智能控制器和胰岛素输注泵，如图1所示。实时连续血糖监测系统的研究较为成熟，现在商业上已经可获得了，它是一种通过葡萄糖感应器监测皮下组织间液的葡萄糖浓度而反映血糖水平的监测技术^[4]。智能控制器计算出胰岛素注射泵的最佳胰岛素剂量，使患者血糖浓度在安全目标范围内。智能控制器所采用的控制算法，根据连续血糖监测系统提供的血糖浓度及患者进食量等因素精确计算出胰岛素的注射量，对胰岛素注射的精确控制起着关键作用。目前人工胰腺系统的控制算法主要有比例-积分-微分(proportional-integral-derivative，PID)控制^[5-6]、基于模型和模型预测控制算法^[7-8]、自适应控制等算法^[9]。

PID控制器在人工胰腺系统中的广泛应用，证明了其在血糖闭环控制中的优势^[10]。Steil等^[11]提出了带有反馈量的PID控制算法模拟人体β细胞分泌胰岛素的生理传输过程。PID控制器结构简单，使用少量参数，易于实现，具有良好的鲁棒性。但是PID控制器需要寻找3个分量的最优增益和添加负前馈量作为扩展，另外该种人工胰腺系统需要对膳食信息进行手动输入^[12]，这种局限性限制了PID控制器在血糖控制中的发展。基于模型和模型预测控制算法使用详细的数学模型描述血糖动态学的系统行为^[13]，被认为是评估膳食未来效果的有力工具，然而基于模型和模型预测控制器的性能在很大程度上取决于预测模型的准确性。人体生物系统是复杂的，开发能够精确描述葡萄糖-胰岛素动力学的模型是一个研究难题。模糊逻辑控制算法是基于模糊概念进行决策的过程，将临床糖尿病治疗积累的专家知识放到控制器中^[14-15]，归纳模糊规则主要依靠医生的经验，具有主观性。另外，患者之间个体差异特别大，这些因素给模糊逻辑控制算法控制器在人工胰腺系统的发展带来了阻碍。

为了准确、可靠的计算出闭环控制胰岛素泵的胰岛素剂量，有效控制患者的血糖水平，实验充分利用糖尿病患者血糖值动态变化的特性，提出了基于活性胰岛素累积量的模糊自适应PID闭环胰岛素控制算法，以典型的PID算法作为基本模型，根据临床糖尿病治疗积累的经验知识建立专家知识库，并转化为模糊逻辑控制规则，运用模糊推理对PID模型参数的进行调整，最后利用活性胰岛素累积量进行修正，计算出适合该患者的最佳胰岛素注射剂量。

中国组织工程研究杂志出版内容重点：生物材料；骨生物材料; 口腔生物材料; 纳米材料; 缓释材料; 材料相容性；组织工程

材料方法

1.1 设计糖尿病仿真平台测试。

1.2 实验方法实验中的控制算法是基于传统的PID控制算法，使用PID算法模拟人体β细胞胰岛素的生理传输过程。PID模型将β细胞分泌的胰岛素量由比例、积分和微分3个分量构成^[11]，其基本模型表示如下：

其中，I(t)代表是当前所需的胰岛素总量，G_B是设定目标血糖值，G是连续血糖监测系统实时测量的血糖值，K_P、K_I和K_D分别是线性比例项、积分项和微分项的增益。线性比例分量对应于实测血糖值偏离目标血糖值时的胰岛素分泌量；积分分量用于调整血糖围绕目标值上下微幅波动时的胰岛素分泌量，可确保患者血糖能稳定在目标值；微分分量对应于血糖快速变化时迅速调节胰岛素分泌。

为了更好获得PID控制器中最优的参数，首先对临床糖尿病治疗的经验进行较为全面总结，建立专家知识库；然后运用模糊数学的基本理论和方法，把临床治疗经验规则的条件、操作用模糊集表示，并把这些模糊控制规则及有关信息(如临床评价指标等)作为知识存入专家知识库中，根据实时监测的血糖数据，运用模糊推理，即可自动实现对PID控制模型参数的最佳调整。

将实时监测的血糖值与设定目标血糖之间的偏差(记为e)和偏差的变化率(记为ec)变化范围定义为模糊集上的论域，其模糊子集为e，ec={NB，NM，NS，ZO，PS，PM，PB}，子集分别代表负大、负中、负小、零、正小、正中、正大。设e，ec和?K_P、?K_I、?K_D服从三角形函数分布，得出模糊子集的隶属度，根据各模糊子集的隶属度赋值表和各参数模糊调整规则模型，运用模糊规则表(以?K_D为例，?K_D模糊规则表如表1所示)设计PID参数的模糊调整矩阵表，就可得到修正参数?K_P、?K_I、?K_D。模糊自适应PID控制胰岛素闭环输注算法的实现是先找出PID三个参数与偏差e和偏差变化率ec之间的模糊关系，再根据模糊控制规则对PID的3个参数进行滚动优化，则优化后的参数定义为：

K_P、K_I、K_D分别是PID控制器中的比例分量、积分分量和微分分量的增益，K'_P、K'_I、K'_D是K_P、K_I、K_D的初始参数，它们通过常规方法得到。在优化的过程中不断检测实时血糖的输出值，并实时的计算出血糖偏差和偏差变化量，然后将它们模糊化的e和ec，通过查询模糊控制调整矩阵可得到K_P、K_I、和K_D3个参数的调整量，实现对参数的不断优化。

公式(1)中的G是利用CGMS系统实时测量皮下组织间液的葡萄糖浓度，由于组织间隙液的葡萄糖浓度与血液中的葡萄糖浓度之间存在着一定的时延关系。因此利用式(1)计算出的胰岛素存在着一定的误差，实验控制算法将利用活性胰岛素累积量进行修正模糊PID计算出来的胰岛素剂量，使得最后输出是适合患者的最佳胰岛素剂量。假设给出了历时4 h 48个采样数据(采样时间为5 min)的胰岛素累积量，那么当前的胰岛素累计量为：

其中u(t)代表胰岛素输注速率，单位为U/h。

修正后的当前的胰岛素输注速率如下式所示：

u(t)=max{0,I(t)- IOB(t)}×12 (4)

其中×12是将胰岛素总量转换为采样时间为5 min内的胰岛素输注速率。

中国组织工程研究杂志出版内容重点：生物材料；骨生物材料; 口腔生物材料; 纳米材料; 缓释材料; 材料相容性；组织工程

讨论

传统的PID控制算法在控制成年人血糖方面是比较有效的，但对青少年显得比较无力。鉴于越来越多的研究表明，22-25岁人群中患有1型糖尿病的发病率越来越高，青少年有相对较高的激素分泌，极大影响了他们的血糖，这些给血糖控制带来了极大的挑战。

该文提出的基于活性胰岛素累积量的模糊自适应PID控制胰岛素泵闭环输注方法，结构模型较为简单，参数较少，无需建立精确的胰岛素-葡萄糖相互作用模型。该文血糖控制算法根据患者特征调整参数的数值，系统中的所有参数都根据过程中发生的变化进行更新。该文利用活性胰岛素累积量进行修正模糊PID计算出来的胰岛素剂量，使得控制器的安全性更好。该文控制方法在UVa/Padova仿真平台进行测试，低血糖和高血糖的时间百分比非常低，另外风险指数都较低。对表2的血糖控制效果利用Excel进行统计学分析，分析结果为F值为22.4，F临界值为4.1，P值为3.4×10^-5，因此该文得到的血糖控制方法具有更好的血糖浓度调节控制，与经典PID控制方法具有显著性差异。

另外，从表2和图6可看到青少年的血糖浓度在目标范围内的时间百分比要低于成年人，这是由青少年的新陈代谢比成年人更快、更复杂等因素所导致的。尽管该文控制算法对青少年的血糖控制效果有所提升，但是青少年血糖的控制过程中仍然还是会有高血糖事件发生。

该文算法基于连续血糖监测系统定期采样的血糖浓度，没有任何额外的输入要求，如碳水化合物计数、身体活动或其他系统所需的其他用户前馈信息，因此动态血糖监测血糖浓度的不准确性会导致血糖浓度的变化，最终会影响到闭环胰岛素输注率的计算。另外，不同进餐量及不同种类的食物在不同时间内进餐对血糖浓度的动态行为也有不同的影响^[19]，这些干扰因素将会影响着血糖浓度控制算法的稳定性，这些问题尚需进一步解决。

结论：该文提出了基于活性胰岛素累积量模糊自适应比例微积分控制的胰岛素泵闭环输注的智能控制方法，根据连续血糖监测系统实时监测的人体血糖数据，采用比例微积分算法模拟人体β细胞分泌胰岛素的生理传输过程，然后不断优化PID控制器参数的数值，利用活性胰岛素累积量进行修正模糊PID计算出来的胰岛素剂量，使得最终计算出适合该患者的最佳胰岛素泵给药量。仿真实验结果表明，该文提出的控制算法显著降低了低血糖事件，将血糖水平控制在设定的目标区间，提高了胰岛素注射疗法的精确性和有效性，显著降低了各种并发症的产生，提高了患生活质量。

中国组织工程研究杂志出版内容重点：生物材料；骨生物材料; 口腔生物材料; 纳米材料; 缓释材料; 材料相容性；组织工程

文章快阅

文章快速阅读：

文题释义：

中国组织工程研究杂志出版内容重点：生物材料；骨生物材料; 口腔生物材料; 纳米材料; 缓释材料; 材料相容性；组织工程

基于活性胰岛素累积量模糊自适应比例-积分-微分闭环胰岛素的控制方法

A fuzzy adaptive proportional-integral-derivative (PID) control strategy based on insulin-on-board control method of closed-loop insulin infusion

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表（结果） 6

参考文献

相关文章 15

引言

材料方法

讨论

文章快阅

延伸阅读

编辑推荐

Metrics

本文评价

[1]	陈子扬, 蒲锐, 邓爽, 袁凌燕. 外泌体对运动介导胰岛素抵抗类疾病的调控作用[J]. 中国组织工程研究, 2021, 25(25): 4089-4094.
[2]	刘玉琳, 李国泰. 高压氧、振动训练与虾青素联合干预糖尿病骨质疏松模型大鼠骨密度、糖代谢及氧化应激的变化[J]. 中国组织工程研究, 2021, 25(20): 3117-3124.
[3]	张传辉, 李建军, 杨军. 动态压力对负载胰岛素样生长因子1基因兔脂肪间充质干细胞增殖能力和机械性能的影响[J]. 中国组织工程研究, 2021, 25(13): 1982-1987.
[4]	郭璇, 解军, 索金荣, 李英蕊, 黄磊, 马牧南, 李静静, 傅松涛. 人脐带间充质干细胞诱导的胰岛样细胞不同途径移植治疗1型糖尿病鼠[J]. 中国组织工程研究, 2021, 25(1): 78-83.
[5]	曹国龙, 田发明, 刘家寅. 洛伐他汀联合胰岛素干预双侧卵巢切除2型糖尿病SD模型大鼠骨折的愈合[J]. 中国组织工程研究, 2020, 24(5): 673-681.
[6]	李颖, 林文弢, 翁锡全. 不同运动强度干预2型糖尿病模型大鼠的内脂素及糖代谢变化 [J]. 中国组织工程研究, 2020, 24(26): 4196-4200.
[7]	蒋涵, 丁杰, 陈根, 解强, 李伟, 王志彬, 朱磊. 低氧运动介导miRNAs影响糖代谢：预防控制糖代谢异常的新认识[J]. 中国组织工程研究, 2020, 24(2): 303-311.
[8]	李宏, 吴绍华, 邱明星, 邓青富, 雷国林, 李青龙. 碱性成纤维细胞生长因子及胰岛素样生长因子1对精原干细胞增殖凋亡影响的机制[J]. 中国组织工程研究, 2020, 24(19): 3017-3022.
[9]	刘杏, 魏晓菡, 邓洁, 李仲铭. 白藜芦醇上调碱性成纤维细胞生长因子、胰岛素样生长因子1表达治疗骨骼肌损伤[J]. 中国组织工程研究, 2020, 24(14): 2184-2191.
[10]	赵剑峰, 耿宇, 陈前波, 杨静晖, 李燕. 白内障伴青光眼患者采用超声乳化与小梁切除治疗后胰岛素抵抗及炎性因子的变化：自身对照研究[J]. 中国组织工程研究, 2020, 24(11): 1750-1755.
[11]	阮光萍, 姚翔, 蔡学敏, 李自安, 庞荣清, 潘兴华. 同种异体脐带间充质干细胞移植治疗树鼩代谢综合征 [J]. 中国组织工程研究, 2020, 24(1): 51-58.
[12]	冯洋，陈跃平，章晓云，董盼锋，卓映宏，蓝佼，胡庆磊，汤显能. 骨生长因子调控骨折愈合机制及在骨再生修复中的作用[J]. 中国组织工程研究, 2019, 23(4): 613-620.
[13]	刘大勇，王颖铖谣，孙瑞鑫，刘凡，贾智. 炎症细胞因子刺激下胰岛素样生长因子结合蛋白5对牙周膜干细胞成骨分化的积极效应[J]. 中国组织工程研究, 2019, 23(33): 5256-5262.
[14]	杨慧明，俞星，方宇辉 . 骨髓间充质干细胞与胰岛细胞共培养对胰岛功能的影响[J]. 中国组织工程研究, 2019, 23(33): 5281-5285.
[15]	董文涛，周永芳，张健，张飞，吴建华，王强，徐凤阳，彭吾训. 低氧诱导骨髓基质干细胞移植治疗激素性股骨头坏死[J]. 中国组织工程研究, 2019, 23(33): 5307-5311.