PARAMETRIC IDENTIFICATION OF DIABETIC CONDITIONS USING POLYNOMIAL GLYCEMIC DYNAMICS MODELS
Keywords:
diabetic state, glycemic dynamics, parametric identification, polynomial model, medium risk, identification algorithm
Abstract
The subject. Elements of analytical and structural synthesis of the procedure for identifying the glycemic dynamics model by the criterion of maximum likelihood. Objective. Reducing the risks of identifying diabetic conditions using polynomial glycemic dynamics models. The task. Based on the results of glucose tolerance testing, investigate the possibilities of parametric recognition of diabetic conditions when the dynamics of glucose levels are approximated by a polynomial model of any order. Use an analytical expression to minimize the average risk for structural synthesis of the type of diabetes identification procedure. Confirm the effectiveness of using the obtained structural diagram of the procedure for identifying the glycemic dynamics model during glucose tolerance testing. Conclusions. A block diagram has been developed with an adaptive (with respect to the number of identifiable glycemic models) structure and a corresponding computerized system for multilateral identification of glycemic dynamics models using two glucose tolerance tests. The possibility of increasing the reliability of diagnosis using the proposed method is proved, compared with the standard one from a value of 0,972 to 0,974 (training sample size N = 60). KeywordsDownloads
Download data is not yet available.
References
1. Сахарный диабет: Доклад исследовательской группы. сер. техн. докл. ВОЗ. М. Мед. 1987. 125 с.
2. Лапта С.С. Методы повышения диагностической эффективности глюкозотолерантных тестов (на основе математического моделирования динамики гликемии): Дис. канд. техн. наук: 05.11.17 / ХНУРЭ. – Х., 2004. – 220 с.
3. Сокол Є.І. Підвищення ефективності глюкозотолерантних тестів при використанні поліноміальних моделей динаміки глікемії / Є.І. Сокол, П.Ф. Щапов, О.В. Чмихова // Сучасні інформаційні системи. Т. 3, № 3. Харків, 2019. С. 138-141.
4. Левин Б.Р. Теоретические основы статистической радиотехники. Кн. 2 / Б.Р. Левин – М.: Сов. радио, 1975. – 392 с.
5. Айвазян С.А. Прикладная статистика: основы моделирования и первичная обработка данных / С.А. Айвазян, И.С. Енюков, Л.Д. Мешалкин. – М.: Финансы и статистика, 1983. – 471 с.
6. Дуда Р. Распознавание образов и анализ сцен / Р. Дуда, П.Харт. – М.: Мир, 1976. – 512 с.
7. Зыбов В.Н. Моделирование функции преобразования первичного преобразователя в задачах многофакторных измерений / В.Н. Зыбов // Измерительная техника. – 2006. - № 4. – С. 26-31.
8. Джонсон Н. Статистика и планирование эксперимента в технике и науке: Методы планирования эксперимента / Н. Джонсон, Ф. Лион; пер. с англ. – М.: Мир, 1981. – 520 с.
9. Раудис Ш. Ограниченность выборки в задачах классификации / Ш. Раудис // Статистические проблемы управления. – Вильнюс. – 1976. – Вып. 18. – С. 1-185.
10. Щапов П.Ф. Повышение достоверности контроля и диагностики объектов в условиях неопределённости: монография / П.Ф. Щапов, О.Г. Аврунин. – Х.: ХНАДУ, 2011. – 191 с.
2. Лапта С.С. Методы повышения диагностической эффективности глюкозотолерантных тестов (на основе математического моделирования динамики гликемии): Дис. канд. техн. наук: 05.11.17 / ХНУРЭ. – Х., 2004. – 220 с.
3. Сокол Є.І. Підвищення ефективності глюкозотолерантних тестів при використанні поліноміальних моделей динаміки глікемії / Є.І. Сокол, П.Ф. Щапов, О.В. Чмихова // Сучасні інформаційні системи. Т. 3, № 3. Харків, 2019. С. 138-141.
4. Левин Б.Р. Теоретические основы статистической радиотехники. Кн. 2 / Б.Р. Левин – М.: Сов. радио, 1975. – 392 с.
5. Айвазян С.А. Прикладная статистика: основы моделирования и первичная обработка данных / С.А. Айвазян, И.С. Енюков, Л.Д. Мешалкин. – М.: Финансы и статистика, 1983. – 471 с.
6. Дуда Р. Распознавание образов и анализ сцен / Р. Дуда, П.Харт. – М.: Мир, 1976. – 512 с.
7. Зыбов В.Н. Моделирование функции преобразования первичного преобразователя в задачах многофакторных измерений / В.Н. Зыбов // Измерительная техника. – 2006. - № 4. – С. 26-31.
8. Джонсон Н. Статистика и планирование эксперимента в технике и науке: Методы планирования эксперимента / Н. Джонсон, Ф. Лион; пер. с англ. – М.: Мир, 1981. – 520 с.
9. Раудис Ш. Ограниченность выборки в задачах классификации / Ш. Раудис // Статистические проблемы управления. – Вильнюс. – 1976. – Вып. 18. – С. 1-185.
10. Щапов П.Ф. Повышение достоверности контроля и диагностики объектов в условиях неопределённости: монография / П.Ф. Щапов, О.Г. Аврунин. – Х.: ХНАДУ, 2011. – 191 с.
Published
2019-10-30
How to Cite
Chmykhova O. Parametric identification of diabetic conditions using polynomial glycemic dynamics models / O. Chmykhova, P. Shchapov, V. Kulichenko, GorbulitchА. // Control, Navigation and Communication Systems. Academic Journal. – Poltava: PNTU, 2019. – VOL. 5 (57). – PP. 88-91. – doi:https://doi.org/10.26906/SUNZ.2019.5.088.
Section
Information Technology
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
