Cristin-resultat-ID: 1531284
Sist endret: 11. april 2018 21:26
Resultat
Poster
2018

Reinforcement-Learning Optimal Control for Type-1 Diabetes

Bidragsytere:
  • Phuong Ngo
  • Susan Wei
  • Anna Holubova
  • Jan Muzik og
  • Fred Godtliebsen

Konferanse

Tittel: The IEEE Conference on Biomedical and Health Informatics (BHI) 2018

Sted:

USA
Utbredelsesområde: Internasjonalt
Årstall: 2018
Dato fra: 4. mars 2018
Dato til: 7. mars 2018

Om resultatet

Poster
Publiseringsår: 2018
Fagfellevurdert

Klassifisering

Vitenskapsdisipliner

Matematikk og naturvitenskap • Teknologi

Beskrivelse Beskrivelse

Tittel

Reinforcement-Learning Optimal Control for Type-1 Diabetes

Sammendrag

This paper proposes a reinforcement-learning based algorithm for optimal control of blood glucose in patients with type-1 diabetes. Specifically, the algorithm aims to suggest an optimal insulin injection policy. Its performance was assessed using simulations on a combination of the minimum model and part of the Hovorka model. The results show that the proposed methodology successfully regulates and significantly reduces the fluctuation of the blood glucose in both fasting and post-meal scenarios. A comparison between the proposed algorithm and an existing reinforcement learning algorithm also shows the superiority of our method and provide insights on how insulin doses should be chosen.

Bidragsytere

Phuong Ngo

  • Tilknyttet:
    Forfatter
    ved Institutt for matematikk og statistikk ved UiT Norges arktiske universitet

Susan Wei

  • Tilknyttet:
    Forfatter

Anna Holubova

  • Tilknyttet:
    Forfatter

Jan Muzik

  • Tilknyttet:
    Forfatter

Fred Godtliebsen

  • Tilknyttet:
    Forfatter
    ved Fakultetsledelsen ved UiT Norges arktiske universitet
1 - 5 av 5