基于神经网络的慢性病危险因素人体模型的建模方法

本研究的目的是运用神经网络反向传播(BP)学习算法,建立一种个体化慢性病危险因素人体模型的方法,为状态控制研究提供人体模型基础。该模型以运动状况、饮食习惯(包括盐、谷类、蔬菜、水果、肉禽类、蛋类、鱼虾类、豆类、奶类、油脂、动物内脏等的摄入量)、饮酒和吸烟等为输入量,输出量包括与慢性病密切相关的收缩压、舒张压、血糖、心率、BMI等生理参数,并用残差分析检验所建模型的可靠性。通过13例志愿者的受试试验,有9例实测参数和估计参数的符合率超过80%。研究结果表明,所提出的基于神经网络的个体化慢性病危险因素预测模型的建模方法,在总体上是可行的,为个体化设计危险因素控制策略提供了依据。

慢性病危险因素干预的PID控制策略设计方法

设计一种慢性病危险因素个体化干预的控制策略。基于个体化的人体神经网络模型,建立慢性病危险因素控制系统,通过检测血压、血糖、心率和体重指数(BMI)等状态变量,设计饮食、运动、饮酒、吸烟等生活行为干预的比例-积分-微分(PID)控制变量来进行PID系数筛选,并从13例中取1例受试来说明控制效果。结果显示,以控制系统的稳定性、响应时间、稳态偏差为原则设计PID控制策略是合理的,PID系数筛选的步骤亦可行。在慢性病危险因素干预的控制中,PID控制策略有望作为个体化的生活行为干预策略,其系数可以通过筛选的方式获得。