Identyfikacja nieparametryczna systemów farmakokinetycznych metodą funkcji korelacji

• Autorzy: Kalicka R. , Pietrenko-Dąbrowska A.

Warianty tytułu

EN

Nonparametric identification of pharmacokinetic systems using correlation functions method

• Języki publikacji: PL

Abstrakty

PL

W pracy przedstawiono podstawowe metody identyfikacji nieparametrycznej systemów typu black-box. Szczegółowo omówiono metodę funkcji korelacji, przedstawiono jej ograniczenia numeryczne oraz pobudzenia zapewniające maksymalną dokładność estymat odpowiedzi impulsowęj w tej metodzie: szum biały oraz pobudzenie PRBS. Przedstawiono również optymalizację czułościową sygnału testującego jako zadanie programowania nieliniowego z ograniczeniami. Przeanalizowano przydatność standardowo stosowanych pobudzeń, takich jak iniekcja oraz infuzja. Metoda funkcji korelacji została zaimplementowana dla iniekcji, infuzji, pobudzenia optymalnego w sensie optymalizacji czułościowej, szumu białego oraz ciągu PRBS. Wyniki pokazują że najlepszą dokładność otrzymuje się dla szumu białego, który jest nieaplikowalny w farmakokinetyce, można jednak stosować łatwo aplikowalne pobudzenie PRBS, dające zbliżoną dokładność.

EN

Basic methods of nonparametric identification of black-box systems are presented. Correlation functions method is discussed in details. Its numerical limitations as well as input signals, which ensure the best accuracy of impulse response estimate, white noise and PRBS, are presented. The optimization of input signal using sensitivity criterion is presented in terms of nonlinear programming problem with constraints. Infusion and injection, which are commonly used as input signals in clinical practice, are also considered. Correlation functions method is implemented for infusion, injection, optimal input signal (sensitivity criterion), white noise and PRBS. The results show that the best accuracy of impulse response estimate is achieved for white noise which is inapplicable in clinical practice. Therefore PRBS signal, which is easy applicable and gives similar results, can be used for identification of pharmacokinetic systems.

• Wydawca: Wydział Elektroniki, Telekomunikacji i Informatyki Politechniki Gdańskiej
• Czasopismo: Zeszyty Naukowe Wydziału ETI Politechniki Gdańskiej. Technologie Informacyjne
• Rocznik: 2003
• Tom: nr 1
• Strony: 203--212
• Opis fizyczny: Bibliogr. 9 poz., 4 rys., 1 tab.

Twórcy

autor

Kalicka R.

• Katedra Inżynierii Biomedycznej, Katedra Elektroniki Ciała Stałego, Politechnika Gdańska

autor

Pietrenko-Dąbrowska A.

• Katedra Inżynierii Biomedycznej, Katedra Elektroniki Ciała Stałego, Politechnika Gdańska

Bibliografia

• [1] M. C. K. Khoo, Physiological control systems, IEEE Press, 2000.
• [2] R. Kalicka, Modelowanie proces6w kinetycznych w systemach biomedycznych, Wydawnictwo Politechniki Gdańskiej, 2000.
• [3] K. Maticzak, Z.Nahorski, Komputerowa identyfikacja obiektow dynamicznych, PWN, 1983.
• [4] M. B. Zarrop, Optimal experiment design for dynamic system identification, Springer, Heidelberg, 1979.
• [5] G.C. Goodwin, R.L.Payne, Dynamic system identification: Experiment design and data analysis, Academic Press, INC., London, 1977.
• [6] S. Brandt, Analiza danych, PWN, Warszawa, 1999.
• [7] R. K. Mehra, Optimal inputs for linear system identification, IEEE Transactions on Automatic Control, AC-19, 3, 1974.
• [8] Matlab Optimization Toolbox User's Guide, Mathworks, Inc, 2000.
• [9] J.E.A. McIntosh, R.P. McIntosh, Mathematical Modelling and Computers in Endocrinology, Springer-Verlag, New York 1980.