危重病人复苏的数据驱动模型参数辨识与鲁棒线性参变控制研究

Using automatic drug infusion to resuscitate hypotension or hypertension patients has been a key topic of the interdisciplinary of bio-engineering and control engineering. During resuscitation for critical patients suffering from severe trauma, hemorrhage of septic shock, it is critical to infuse appropriate vasopressor drugs according to real-time patients’ conditions. Automatic accurate administration infusion of vasopressor provides very necessary solution for saving lives of critical patients. Pharmacological variability of patient response to drugs is observed during the treatment, in form of inter- and intra- patient variability between individuals and one particular individual over time, respectively, which causes a major challenge towards the development of automatic drug delivery systems. Traditional adaptive control methods are unable to provide uniformly effective solution for a large range of patients, due to the failure of accurate real-time model parameter estimation and the ignorance of the effectiveness of the coupled network blood circulation system to blood pressure system. In this project, based on reliable experiments data and pervious modeling foundation, fuzzy Bayesian network is designed to describe the effectiveness of blood circulation system, a Bayesian-based real-time model estimation framework is proposed to figure out the hidden Markov jumping mechanism among system models, and then utilize H2/H∞ gain-scheduling control logic to provide adaptive and robust blood pressure regulation. The innovation point of this project is the LPV control for the coupled network of blood pressure system with blood circulation system. This project will achieve real-time model parameter estimation and robust control through embedded FPGA in clinical environment. It is expected that implementation of this project provides significant theoretical guidance and application foundation, opens the medical-automation application field, promotes the engineering practice in medical-automation field.

使用替代人工输液的、可靠的自动控制输液方式是当前生物工程与自动化交叉学科非常重要的研究课题。在危重病人（例如，严重创伤、大出血或休克等）复苏拯救过程中，需要根据病人实时状况，及时、稳定和可靠地注射血压控制药剂。稳定、有效的自动控制血压控制药剂注入对病人拯救具有重要意义。危重病人人体血压系统对血压控制药剂效用反应随病人及时间具有多变差异性的特点，为实时血压系统识别、鲁棒控制带来挑战。传统的自适应控制由于缺乏考虑血液循环系统对血压系统的耦合网络影响因素，由于无法实时准确估计复杂模型参数，使其无法应用于大范围的实际的病人治疗中。本项目基于可靠的药剂实验数据和前期建模工作基础，使用模糊贝叶斯网络分析血液循环系统效用，研究非线性的实时系统模型估计机制，探索模型的隐马尔可夫跳跃转换机制，设计基于线性参变(LPV)控制的H2/H∞鲁棒控制器。其创新性在于研究血液循环系统与血压系统耦合网络的LPV模型及LPV控制。本项目将在临床环境下，以嵌入式FPGA实现实时辨识与鲁棒控制。该项目的开展预期对血压系统控制提供指导性的理论与应用依据，为我国医学自动化开辟创新的应用前景，对工程实现具有重要的促进作用。

使用替代人工输液的、可靠的自动控制输液方式是智慧医疗的一个重要的研究课题。人体血压系统对血压控制药剂效用反应随病人及时间的不同具有多变差异性的特点，为实时血压系统识别、鲁棒控制带来挑战。传统的自适应控制在人体血压控制中存在以下三个方面问题：第一，由于模型参数无法实时准确估计使其无法应用于大范围的病人实际治疗中；第二，之前广泛采用的“运输-混合-反应”人体血压模型没有考虑主要器官和血液循环系统对血压的影响；第三，缺乏有效的鲁棒控制理论支持实现复杂的人体血压系统的时域和空域的稳定性分析。本项目针对如上三个问题，提出一种基于非线性贝叶斯估计的实时在线的时延时变血压模型参数实时估计方法，开拓性地引入“反应-扩散”因子，在时域和空域中拓展了传统血压模型为偏微分的网络化的血压系统模型结构，以及分别设计了常微分和偏微分的线性参变控制的H∞鲁棒控制器，并完善了针对一类具有马尔科夫跳跃机制或线性参数变化特性，满足一类边界条件下的偏微分系统控制问题，实现了相应的分布式控制系统或边界控制系统的稳定性分析方法。除此之外，本研究设计了高逼真的血压控制模拟环境，满足血压系统在各种临床环境下的模拟，有利于相应的医师做药剂注射培训和相应降压药物测试验证，有实用和教育培训意义。本研究通过可靠的药剂效用实验数据验证了提出的参数辨识方法和控制理论正确性和有效性。该项目的开展预期对血压系统控制提供指导性的理论与应用依据，为我国医学自动化开辟创新的应用前景，对工程实现具有促进作用。