Ανάπτυξη εξατομικευμένου συστήματος εκτίμησης προγευματικών δόσεων ινσουλίνης σε ατομα με σακχαρώδη διαβήτη Τύπου 1: χρήση αυτο–οργανούμενων χαρτών και συλλογιστικής βασισμένης σε περιπτώσεις

Κορτσινόγλου, Ειρήνη; Kortsinoglou, Eirini

dc.contributor.author	Κορτσινόγλου, Ειρήνη	el
dc.contributor.author	Kortsinoglou, Eirini	en
dc.date.accessioned	2021-03-12T06:56:21Z
dc.date.available	2021-03-12T06:56:21Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/53038
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.20736
dc.rights	Default License
dc.subject	Σακχαρώδης διαβήτης τύπου 1	el
dc.subject	Ινσουλίνη	el
dc.subject	Συλλογιστική βασισμένη σε περιπτώσεις	el
dc.subject	Αυτό – οργανούμενοι χάρτες	el
dc.subject	Γλυκαιμικός ελεγχος	el
dc.subject	Machine learning	en
dc.subject	Case based reasoning	en
dc.subject	Self - organizing maps	en
dc.subject	Type 1 diabetes mellitus	en
dc.subject	Bolus calculator	en
dc.title	Ανάπτυξη εξατομικευμένου συστήματος εκτίμησης προγευματικών δόσεων ινσουλίνης σε ατομα με σακχαρώδη διαβήτη Τύπου 1: χρήση αυτο–οργανούμενων χαρτών και συλλογιστικής βασισμένης σε περιπτώσεις	el
heal.type	bachelorThesis
heal.classification	Μηχανική Μάθηση	el
heal.classification	Βιοϊατρική	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2021-02-26
heal.abstract	Αντικείμενο της παρούσας διπλωματικής εργασίας αποτελεί η σχεδίαση, η ανάπτυξη και η αξιολόγηση ενός συστήματος εκτίμησης προγευματικών δόσεων ινσουλίνης σε άτομα με Σακχαρώδη Διαβήτη Τύπου 1 (ΣΔΤ1) που εφαρμόζουν Διατάξεις Συνεχούς Μέτρησης Γλυκόζης (ΔΣΜΓ) και Αντλίες Συνεχούς Έγχυσης Ινσουλίνης (ΑΣΕΙ). Το σύστημα συνιστά μια εξατομικευμένη προσέγγιση στο πρόβλημα καθορισμού της εφάπαξ προγευματικής δόσης ινσουλίνης, καθώς προσαρμόζεται στις προσωπικές παραμέτρους και στις ιδιαίτερες απαιτήσεις κάθε ασθενούς. Σκοπός του είναι να συμβάλει στην αποτελεσματική διαχείριση των διαταραχών γεύματος μέσα από τη ρύθμιση των μεταγευματικών επιπέδων γλυκόζης εντός των επιθυμητών ορίων, συνεισφέροντας έτσι στην επίτευξη ορθού γλυκαιμικού ελέγχου. Η ανάπτυξη του συστήματος βασίζεται στην εφαρμογή μεθόδων Τεχνητής Νοημοσύνης και πιο συγκεκριμένα στη συνδυασμένη χρήση των Αυτο - Οργανούμενων Xαρτών (Self Organizing Maps-SOMs) και της Συλλογιστικής Βασισμένης σε Περιπτώσεις (Case Based Reasoning-CBR). Με τη μέθοδο του CBR, η επίλυση νέων προβλημάτων, δηλαδή ο υπολογισμός της προγευματικής δόσης ινσουλίνης για το τρέχον γεύμα, βασίζεται στην επαναχρησιμοποίηση παλαιότερων λύσεων (προγευματικών δόσεων) σε ήδη γνωστά προβλήματα (γεύματα) του ασθενούς. Το σύνολο των προβλημάτων αυτών, που αναφέρονται ως περιπτώσεις, συνιστούν τη βάση δεδομένων του συστήματος κάθε ασθενούς. Κάθε περίπτωση αναπαρίσταται από ένα διάνυσμα που αποτελείται από προηγούμενες καταγραφές γλυκόζης, πληροφορίες για το γεύμα (ποσότητα υδατανθράκων και ώρα λήψης) και προηγούμενες τιμές χορηγημένης ινσουλίνης. Για την εύρεση των κοντινότερων περιπτώσεων της βάσης δεδομένων σε κάθε νέο –πρόβλημα (περίπτωση), ώστε να επαναχρησιμοποιηθεί η λύση τους, θεωρείται σκόπιμη η συσταδοποίησή τους. Για τον σκοπό αυτό, εκπαιδεύεται ανά ασθενή ένας αυτο-οργανούμενος χάρτης, ο οποίος ομαδοποιεί τις περιπτώσεις γευμάτων του ασθενούς με βάση τη χωρική τους συσχέτιση, και επιτρέπει για κάθε νέα είσοδο την επαναχρησιμοποίηση όμοιων με αυτήν περιπτώσεων, με στόχο τον υπολογισμό της κατάλληλης προγευματικής δόσης ινσουλίνης. Για την ανάπτυξη και την αξιολόγηση της απόδοσης του προτεινόμενου συστήματος χρησιμοποιήθηκαν δεδομένα 30 in silico ατόμων με ΣΔΤ1, που διατίθενται μέσω του προσομοιωτή UVa/PADOVA T1DM. Το σύστημα αξιολογήθηκε ως προς την ικανότητά του να διαχειρίζεται αποτελεσματικά τις διαταραχές γεύματος, καθώς και τις διαφορές του μεταβολισμού γλυκόζης που υφίστανται μεταξύ των ατόμων με ΣΔΤ1 αλλά και στο ίδιο το άτομο κατά τη διάρκεια της ημέρας .	el
heal.abstract	The objective of this dissertation is the design, the development and the evaluation of a personalized insulin bolus recommendation system for people with Type 1 Diabetes, applying Continuous Glucose Monitoring Systems (CGMS) and Continuous Subcutaneous Insulin Infusion Pumps (CSIIP). The system aims at effectively handling meal disturbances by leveraging a personalized approach, able to adjust to the specific parameters and needs that each patient may have, in order to maintain postprandial blood glucose levels within the normal range. The development of the insulin bolus recommendation system is based on Artificial Intelligence methods, and more specifically on the combined use of Case Based Reasoning (CBR) and Self-Organizing Maps (SOMs). By utilizing CBR the solution to a new problem, such as the calculation of the preprandial insulin bolus for an upcoming meal, is based on the solutions (preprandial insulin boluses) of similar past problems (past meals). These already solved problems are referred to as ‘’cases’’ and comprise the case base of each patient. Cases are represented by vectors consisting of a) previous glucose measurements, b) meal information (carbohydrate content and time of meal ingestion), and c) previously administered insulin doses. SOMs are deployed in order to cluster individual cases and enable for each query case the identification and retrieval of similar cases towards the calculation of an optimal preprandial insulin bolus. Data generated from 30 in silico patients of the UVa/PADOVA T1DM Simulator were used for development and evaluation purposes. The system was assessed in terms of its ability to effectively handle meal disturbances as well as inter- and intra-patient variability.	en
heal.advisorName	Νικήτα, Κωνσταντίνα	el
heal.committeeMemberName	Στάμου, Γεώργιος	el
heal.committeeMemberName	Σταφυλοπάτης, Ανδρέας Γεώργιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Συστημάτων Μετάδοσης Πληροφορίας και Τεχνολογίας Υλικών. Εργαστήριο Βιοϊατρικών Προσομοιώσεων και Απεικονιστικής Τεχνολογίας	el
heal.academicPublisherID	ntua
heal.numberOfPages	128 σ.	el
heal.fullTextAvailability	false