Vis enkel innførsel

dc.contributor.advisorFougner, Anders Lyngvi
dc.contributor.advisorJørgensen, John Bagterp
dc.contributor.authorBugge, Mai Ve
dc.date.accessioned2021-11-09T18:22:17Z
dc.date.available2021-11-09T18:22:17Z
dc.date.issued2021
dc.identifierno.ntnu:inspera:76427839:32673682
dc.identifier.urihttps://hdl.handle.net/11250/2828782
dc.descriptionFull text not available
dc.description.abstractDiabetes er en kronisk sykdom som påvirker kroppens evne til å regulere blodsukkeret til et anstendig og bærekraftig nivå. Behandling av diabetes, spesielt av type I diabetes, inkluderer insulinbehandling for å minimere symptomer og eventuelle skadevirkninger. Type II diabetes i motsetning til type I diabetes er en tilstand hvor kroppens evne til å regulere blodsukker også forverrer seg i et livsløp. Dette er krevende med tanke på at det behøver mer tilrettelagt behandling og medisinsk oppfølging. Å identifisere nøkkelparametere i kroppens dynamikk kan være betydelig for å kunne kategorisere og utrede en behandlingsplan for pasienter med type II diabetes. Modeller med høy presisjon kan gi betydelig innsikt i kroppens respons og dynamikk. Samt at presise modeller kan ha en sentral rolle innen regulering, behandlingsveiledning og mer troverdige pasientsimulasjoner. 'Optimal Design of Experiments' er et fagfelt hvor forutsetningene til et eksperiment er utredet og optimert i henhold til informasjoninnholdet i den målte data. I denne tesen er optimering av forutsetningene til eksperimenter brukt for å undersøke hvordan en type II diabetesmodell kan estimeres med høyere presisjon fra kontinuerlige blodsukkermålinger samtidig som blodsukkernivået ikke overskrider gitte verdier. Løsningen på optimeringsproblemet gir i teorien en mer presis estimeringer av modellparametere, dog viser resultatene at forutsetningene for eksperimentet hadde vært livsfarlig for pasienten. Resultantene tyder på at optimering av eksperimenter er høyt avhengig av utgangspunktet og kjennskap til en modell som allerede beskriver pasienten godt. Selv om resultatene kan gi en indikasjon på hvordan inngangssignalet til systemet burde bli eksitert for å gi gode estimater burde flere undersøkelser bli gjort for å utforske hvordan eksperimentelt design kan utføres på en sikker måte som kan ivareta pasientens helse.
dc.description.abstractDiabetes is a diagnostic related to defects in the human body's glucoregulatory system. As a means of treatment, particularly for type one diabetes, insulin therapy is used to bring glucose levels down to healthy and sustainable levels. Type II diabetes presents additional challenges as the gradual development of the disease calls for more personalised treatment and frequent medical checkups. Identifying key parameters of the patient's pharmacokinetic system can be significant in categorising and developing a treatment plan for the disease. High precision virtual patients models can thus provide valuable insight into the patient's dynamics and responses. The identification of a precise model can be a central part of closed-loop control, treatment guidance, and more reliable 'in silico' patient simulations. 'Optimal Design of Experiments' is a field attributed to studying how the preconditions of an experiment can be designed optimally to maximise the information gain from the experiment. In this thesis, the concepts of optimal design of experiment are used to investigate how a type II diabetes model can be estimated with improved precision from CGM data while avoiding excessively high and low blood glucose concentrations in the patient. The optimal design problem presents a solution which in theory would give more precise parameter estimation, but plant-model mismatch in the initial model of the optimal design problem resulted in an input trajectory that would be fatal if applied to the patient. Although the results indicate that significant system insight is crucial in the design of experiments, additional safety mechanisms also need to be in place for optimal design to be realised safely. Alternatively, the results of the optimal experimental design can provide insight as to how the system should be excited to maximise the information of the experiment.
dc.languageeng
dc.publisherNTNU
dc.titleImproved Precision-Estimation of Virtual Patient Models
dc.typeMaster thesis


Tilhørende fil(er)

FilerStørrelseFormatVis

Denne innførselen finnes i følgende samling(er)

Vis enkel innførsel