[發明專利]一種基于機器學習的呼出氣體檢測方法和系統

有效

• 申請號: 201911311102.4
• 申請日: 2019-12-18
• 公開（公告）號: CN111540463B
• 公開（公告）日: 2023-09-15
• 發明（設計）人: 陳錦明;賀慶國;程建功
• 申請（專利權）人: 中國科學院上海微系統與信息技術研究所
• 主分類號: G16H50/20
• 分類號: G16H50/20;G01N27/12
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郝傳鑫;賈允

1.一種基于機器學習的呼出氣體檢測方法，其特征在于，包括以下步驟：

獲取多組傳感器陣列中各組傳感器陣列對人體呼出氣體中識別出含氮氣體的電信號，其中，所述含氮氣體包括氨氣、正丙胺、二乙胺和三乙胺,所述傳感器陣列由含氮類揮發性氣體敏感薄膜直接覆蓋在叉指式電極表面形成,所述含氮類揮發性氣體敏感薄膜的材料分別為BOPHY前驅體非共價鍵修飾單壁碳納米管、BOPHY非共價鍵修飾單壁碳納米管、甲基取代BOPHY非共價鍵修飾單壁碳納米管和碘取代BOPHY非共價鍵修飾單壁碳納米管；

使用氣體檢測模型對所述電信號進行分析，確定人體呼出氣體中所述含氮氣體的濃度，其中，所述氣體檢測模型為使用多組數據通過機器學習訓練出的，所述多組數據中的每組數據均包括電信號和所述電信號所對應的氣體參數標簽。

2.根據權利要求1所述的基于機器學習的呼出氣體檢測方法，其特征在于，在使用氣體檢測模型對所述電信號進行分析，確定人體呼出氣體中所述含氮氣體的濃度中，所述氣體檢測模型的機器學習訓練過程包括以下步驟：

獲取多組傳感器陣列中各組傳感器陣列對混合氣體樣本的電信號；對所述混合氣體樣本的電信號進行氣體響應值的特征值提取；

根據機器學習算法對提取的所述氣體響應值特征值進行訓練，以得到所述混合氣體樣本中電信號與氣體參數標簽的關系模型。

3.根據權利要求2所述的基于機器學習的呼出氣體檢測方法，其特征在于，所述氣體響應值為：ΔG＝(G1-G0)/G0；

式中，ΔG表示氣體響應值，G0表示混合氣體剛通入傳感器陣列時的電阻值，G1表示混合氣體通入傳感器陣列2分鐘之后的電阻值。

4.根據權利要求1或2所述的基于機器學習的呼出氣體檢測方法，其特征在于，所述氣體參數標簽包括氨氣濃度、正丙胺濃度、二乙胺濃度和三乙胺濃度。

5.根據權利要求2所述的基于機器學習的呼出氣體檢測方法，其特征在于，所述機器學習算法采用有監督式的學習方式。

6.根據權利要求2所述的基于機器學習的呼出氣體檢測方法，其特征在于，所述機器學習算法采用線性回歸算法建立模型。

7.根據權利要求2所述的基于機器學習的呼出氣體檢測方法，其特征在于，在根據機器學習算法對提取的所述氣體響應值特征值進行訓練，以得到所述混合氣體樣本中電信號與氣體參數標簽的關系模型中，還包括：使用平方損失函數作為模型的損失函數，通過優化器采用梯度下降算法優化模型，設置學習率為0.01，迭代直至收斂。

8.一種基于機器學習的呼出氣體檢測系統，用于實現權利要求1-7中任一項所述的基于機器學習的呼出氣體檢測方法，其特征在于，包括多組傳感器陣列、數據采集單元、數據分析單元和疾病診斷單元；

各組所述傳感器陣列均用于識別含氮氣體的電信號，其中，所述含氮氣體包括氨氣、正丙胺、二乙胺和三乙胺,所述傳感器陣列由含氮類揮發性氣體敏感薄膜直接覆蓋在叉指式電極表面形成,所述含氮類揮發性氣體敏感薄膜的材料分別為BOPHY前驅體非共價鍵修飾單壁碳納米管、BOPHY非共價鍵修飾單壁碳納米管、甲基取代BOPHY非共價鍵修飾單壁碳納米管和碘取代BOPHY非共價鍵修飾單壁碳納米管；

所述數據采集單元與各組所述傳感器陣列電連接，用于采集所述傳感器陣列的電信號；

所述數據分析單元與所述數據采集單元電連接，用于根據所述電信號，利用機器學習模型分析人體呼出氣體中所述含氮氣體的濃度；

疾病診斷單元，用于根據所述含氮氣體的濃度，作出腎臟疾病診斷結果。