Digital Twin zur Modellierung und Interpretation kontinuierlich erfasster Glukosedaten
- Titel
- Digital Twin zur Modellierung und Interpretation kontinuierlich erfasster Glukosedaten
- Autor/in
- Datierung
- 04.01.2026
- Beschreibung
- Diese Bachelorarbeit befasst sich mit der Entwicklung eines digitalen Zwillings zur Modellierung und Interpretation kontinuierlich erfasster Glukose-Messdaten (CGM). Ziel der Arbeit ist die Untersuchung von Entwicklungsansätzen anhand prototypischer Implementationen. Im Fokus der Arbeit stehen der Eindhoven Diabetes Education Simulators (E-DES) sowie Zustands- und Parameterschätzung mit Unscented Kalman Filter (UKF). Die Erfassung der Messdaten erfolgte mit dem Dexcom G7 CGM-System. Die Modellanalyse erfolgte in MATLAB/Simulink. Für prototypische Umsetzungen wurde Python (JupyterLab) auf einer Digital Twin Plattform von iHomeLab verwendet.
Das E-DES-Modell eignet sich aufgrund seiner starken Vereinfachungen in erster Linie für den Einsatz in didaktischen Kontexten. Teile des Modells sind unzureichend validiert, weshalb der Einsatz im digitalen Zwilling kritisch zu bewerten ist. Ausserdem müsste das Modell modifiziert werden, um tageszeitabhängige Vorhersagen zu ermöglichen.
Mit dem UKF wurden die vier Modellzustände, sowie ausgewählte Parameter geschätzt. Die Zustandsschätzung auf Basis der Sensordaten erzielte einen mittleren absoluten Schätzfehler von 0.21 mmol/L. Die Parameterschätzung wurde ausschliesslich mit simulierten Daten durchgeführt, wobei einzelne Parameter nur unzureichend identifiziert wurden. Zukünftige Arbeiten sollten eine systematische Analyse der Filterparameter sowie erweiterte Ansätze zur Parameterschätzung untersuchen. Zudem sollte der Einbezug weiterer Messdaten in Betracht gezogen werden.
Schlagwörter: Digitaler Zwilling, Glukose-Insulin-System, Continuous Glucose Monitoring, Eindhoven Diabetes Education Simulator, Unscented Kalman Filter
This bachelor thesis explores the development of a digital twin to evaluate and predict data from continuous glucose monitoring (CGM). The paper focuses on identifying development approaches through prototype-based implementations. The thesis is centered on the use of the Eindhoven diabetes education simulator (E-DES) as well as state and parameter estimation using unscented Kalman filtering (UKF). Sensor data was recorded using a Dexcom G7 CGM-system. MATLAB/Simulink was used for model analysis. Python (JupyterLab) was used for prototype-based implementations within a digital twin platform from iHomeLab.
The E-DES model implements a strongly simplified system of the human glucose homeostasis. Parts of the model are insufficiently validated. Moreover, the model needs modifications to enable time-of-day-dependent predictions. Consequently, the model seems to be mainly suitable for didactical purposes and uses within a digital twin should be carefully evaluated.
UKF was used to estimate the four model states as well as selected model parameters. The state estimation based on sensor data achieved a mean average error of 0.21 mmol/L. Parameter estimation was carried out using simulated data only, as some of the parameters could not be reliably identified. Future works should include a systematic analysis of the filter parameters and consider advanced approaches to parameter estimation, as well as including additional data sources.
Keywords: digital twin, glucose homeostasis, continuous glucose monitoring, Eindhoven diabetes education simulator, unscented Kalman filter
- Diese Bachelorarbeit befasst sich mit der Entwicklung eines digitalen Zwillings zur Modellierung und Interpretation kontinuierlich erfasster Glukose-Messdaten (CGM). Ziel der Arbeit ist die Untersuchung von Entwicklungsansätzen anhand prototypischer Implementationen. Im Fokus der Arbeit stehen der Eindhoven Diabetes Education Simulators (E-DES) sowie Zustands- und Parameterschätzung mit Unscented Kalman Filter (UKF). Die Erfassung der Messdaten erfolgte mit dem Dexcom G7 CGM-System. Die Modellanalyse erfolgte in MATLAB/Simulink. Für prototypische Umsetzungen wurde Python (JupyterLab) auf einer Digital Twin Plattform von iHomeLab verwendet.
- Urheberrechtshinweis
- Blum Salome, Hochschule Luzern - Departement Technik & Architektur
HSLU
- Departement
- Studiengang
- Art der Arbeit
- Betreuer/Betreuerin
Werk
- Titel
- Digital Twin zur Modellierung und Interpretation kontinuierlich erfasster Glukosedaten
- Beschreibung
- Diese Bachelorarbeit befasst sich mit der Entwicklung eines digitalen Zwillings zur Modellierung und Interpretation kontinuierlich erfasster Glukose-Messdaten (CGM). Ziel der Arbeit ist die Untersuchung von Entwicklungsansätzen anhand prototypischer Implementationen. Im Fokus der Arbeit stehen der Eindhoven Diabetes Education Simulators (E-DES) sowie Zustands- und Parameterschätzung mit Unscented Kalman Filter (UKF). Die Erfassung der Messdaten erfolgte mit dem Dexcom G7 CGM-System. Die Modellanalyse erfolgte in MATLAB/Simulink. Für prototypische Umsetzungen wurde Python (JupyterLab) auf einer Digital Twin Plattform von iHomeLab verwendet.
Das E-DES-Modell eignet sich aufgrund seiner starken Vereinfachungen in erster Linie für den Einsatz in didaktischen Kontexten. Teile des Modells sind unzureichend validiert, weshalb der Einsatz im digitalen Zwilling kritisch zu bewerten ist. Ausserdem müsste das Modell modifiziert werden, um tageszeitabhängige Vorhersagen zu ermöglichen.
Mit dem UKF wurden die vier Modellzustände, sowie ausgewählte Parameter geschätzt. Die Zustandsschätzung auf Basis der Sensordaten erzielte einen mittleren absoluten Schätzfehler von 0.21 mmol/L. Die Parameterschätzung wurde ausschliesslich mit simulierten Daten durchgeführt, wobei einzelne Parameter nur unzureichend identifiziert wurden. Zukünftige Arbeiten sollten eine systematische Analyse der Filterparameter sowie erweiterte Ansätze zur Parameterschätzung untersuchen. Zudem sollte der Einbezug weiterer Messdaten in Betracht gezogen werden.
Schlagwörter: Digitaler Zwilling, Glukose-Insulin-System, Continuous Glucose Monitoring, Eindhoven Diabetes Education Simulator, Unscented Kalman Filter
This bachelor thesis explores the development of a digital twin to evaluate and predict data from continuous glucose monitoring (CGM). The paper focuses on identifying development approaches through prototype-based implementations. The thesis is centered on the use of the Eindhoven diabetes education simulator (E-DES) as well as state and parameter estimation using unscented Kalman filtering (UKF). Sensor data was recorded using a Dexcom G7 CGM-system. MATLAB/Simulink was used for model analysis. Python (JupyterLab) was used for prototype-based implementations within a digital twin platform from iHomeLab.
The E-DES model implements a strongly simplified system of the human glucose homeostasis. Parts of the model are insufficiently validated. Moreover, the model needs modifications to enable time-of-day-dependent predictions. Consequently, the model seems to be mainly suitable for didactical purposes and uses within a digital twin should be carefully evaluated.
UKF was used to estimate the four model states as well as selected model parameters. The state estimation based on sensor data achieved a mean average error of 0.21 mmol/L. Parameter estimation was carried out using simulated data only, as some of the parameters could not be reliably identified. Future works should include a systematic analysis of the filter parameters and consider advanced approaches to parameter estimation, as well as including additional data sources.
Keywords: digital twin, glucose homeostasis, continuous glucose monitoring, Eindhoven diabetes education simulator, unscented Kalman filter
- Diese Bachelorarbeit befasst sich mit der Entwicklung eines digitalen Zwillings zur Modellierung und Interpretation kontinuierlich erfasster Glukose-Messdaten (CGM). Ziel der Arbeit ist die Untersuchung von Entwicklungsansätzen anhand prototypischer Implementationen. Im Fokus der Arbeit stehen der Eindhoven Diabetes Education Simulators (E-DES) sowie Zustands- und Parameterschätzung mit Unscented Kalman Filter (UKF). Die Erfassung der Messdaten erfolgte mit dem Dexcom G7 CGM-System. Die Modellanalyse erfolgte in MATLAB/Simulink. Für prototypische Umsetzungen wurde Python (JupyterLab) auf einer Digital Twin Plattform von iHomeLab verwendet.
- Autor/in
- Datierung
- 04.01.2026
- Format
- 102 Seiten
- Ort
- Sprache
Rechte
- Urheberrecht
- Blum Salome, Hochschule Luzern - Departement Technik & Architektur
- Hinweis zu Rechtsgrundlagen
- Lizenzierung
- Klassifikation