[发明专利]胰岛素控制方法、装置和设备

权利要求书

1.一种胰岛素控制方法，所述方法包括以下步骤：

接收针对人体的血糖控制目标指令；

对人体体内生理参数进行检测，获得t时刻人体生理参数集S_t；

将所述t时刻人体生理参数集S_t输入胰岛素控制模型，获取t时刻人体需要的胰岛素剂量N_t；

命令胰岛素递送装置执行递送所述胰岛素剂量N_t；

在t+1时刻迭代重复上述步骤；

其特征在于，所述胰岛素控制模型基于深层确定性策略梯度模型训练获得。

2.根据权利要求1所述的胰岛素控制方法，其特征在于，所述胰岛素控制模型包括：

策略模型，根据所述生理参数集S_t，获取胰岛素控制策略集；

选择模型，根据所述胰岛素控制策略集，获取所述人体需要的胰岛素剂量N_t；

记忆库，所述记忆库是所述胰岛素控制模型中所有模型的共享存储器，用于存储相关参数信息及已经学习的经验，并与所述胰岛素控制模型中所有模型相关联；

根据所述血糖控制目标与t+1时刻的生理参数集S_t+1确定对人体的血糖控制效果；

根据所述血糖控制效果，调整所述胰岛素控制模型中所有模型的参数。

3.根据权利要求2所述的胰岛素控制方法，其特征在于，所述策略模型包括：

行动网络，所述行动网络包括估计行动网络和目标行动网络；

评价网络，所述评价网络包括估计评价网络和目标评价网络；

所述估计行动网络与所述目标行动网络结构相同，所述目标行动网络参数更新滞后于所述估计行动网络；

所述估计评价网络与所述目标评价网络结构相同，所述目标评价网络参数更新滞后于所述估计评价网络。

4.根据权利要求3所述的胰岛素控制方法，其特征在于，所述估计行动网络和所述目标行动网络参数当前值不同步；

所述估计评价网络和所述目标评价网络当前值不同步。

5.根据权利要求3所述的胰岛素控制方法，其特征在于，所述目标行动网络的参数当前值来自于所述行动网络的参数更新值；

所述目标评价网络的参数当前值来自于所述评价网络的参数更新值。

6.根据权利要求5所述的胰岛素控制方法，其特征在于，所述行动网络的参数更新值由所述记忆库中存储的所述学习的经验确定；

所述行动网络参数的当前值的更新及所述评价网络的当前值的更新，也存储入所述记忆库。

7.根据权利要求6所述的胰岛素控制方法，其特征在于，所述目标行动网络和所述目标评价网络的参数当前值被约束为缓慢梯度改变。

8.根据权利要求3所述的胰岛素控制方法，其特征在于，在所述目标行动网络和所述目标评价网络的参数当前值已经写入记忆库之后，才能执行参数更新操作。

9.根据权利要求3所述的胰岛素控制方法，其特征在于，所述策略模型还包括：

将所述生理参数集S_t输入所述估计行动网络，获取估计策略；

将所述生理参数集S_t与所述估计策略输入所述估计评价网络，获取所述估计策略的价值Q_e；

将所述生理参数集S_t+1输入所述目标行动网络，获取目标策略；

将所述目标策略输入所述目标评价网络，获取所述目标策略的价值Q_t；

根据所述目标策略的价值Q_t与所述估计策略的价值Q_e，获取所述胰岛素控制策略集，并且对所述估计行动网络及所述估计评价网络参数进行更新。

10.根据权利要求9所述的胰岛素控制方法，其特征在于，在获取估计策略过程中，加入随机量，生成各向维度的估计策略。