Controle inteligente para um pâncreas artificial utilizando redes neurais artificiais

• Autor(a) principal: Farias, João Lucas Correia Barbosa de
• Data de Publicação: 2021
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFRN
• Texto Completo: https://repositorio.ufrn.br/handle/123456789/33383
• topic: Pâncreas artificial; Diabetes Mellitus tipo 1; Controle inteligente não linear; Redes neurais artificiais; Linearização por realimentação

O Diabetes Mellitus Tipo 1 é uma doença de acomete milhões de pessoas no mundo. Recentemente, graças ao incrível avanço no campo dos dispositivos embarcados, têm surgido propostas de dispositivos que injetam insulina por via subcutânea, no intuito de regular automaticamente a concentração de glicose no sangue do paciente diabético. Deste modo, este Pâncreas Artificial poderia proporcionar aos pacientes uma vida com mais qualidade, autonomia e conforto. Este trabalho visa projetar um controlador não linear inteligente com compensador por redes neurais artificias do tipo função de base radial (RBF, Radial Basis Function) para um pâncreas artificial. O modelo IVP (Identifiable Virtual Patient) de regulação glicêmica é utilizado para simular a dinâmica do paciente virtual. Os pacientes virtuais e as refeições são geradas de forma aletaória de acordo com distribuições normais e os parâmetros dos pacientes são variados de forma senoidal ao longo da simulação. A abordagem de controle proposta não tem conhecimento da dinâmica do sistema e não é avisada quando o paciente realiza uma refeição. O primeiro controlador analisado foi baseado na técnica de linearização por realimentação com compensador por rede neural RBF e algoritmo de projeção e o segundo foi baseado no controle por modos deslizantes com compensador por rede neural RBF. Na primeira parte dos testes, foram simulados 200 pacientes virtuais com duração de 7 dias e com 3 refeições por dia. Os controladores obtiveram desempenhos equivalentes com o pior cenário registrando média glicêmica de 115,97 mg/dL e 97,14% de tempo em regime normoglicêmico. Na segunda parte, foi simulado 1 paciente virtual por um período de 63 dias com 3 refeições diárias, visando analisar o comportamento dos controladores a longo prazo. No pior cenário, as simulações registraram glicemia média de 119,20 mg/dL e 93,67% de tempo em normoglicemia. Nesse caso, a técnica de linearização por realimentação apresentou um melhor desempenho, sugerindo que – a longo prazo – o algoritmo de projeção proporciona maior estabilidade à atualização do vetor de pesos da rede neural. Os resultados indicam que, devido a capacidade de aprendizagem contínua e adaptação às mudanças do sistema, o controle inteligente proposto se mostrou apto para lidar com o problema de regulação glicêmica em pacientes com diabetes mellitus tipo 1 de forma eficaz.