糖尿病呼氣檢測分析儀設計

張晨生 陸寧 閆夢 武一 花中秋

摘要 丙酮可以作為糖尿病呼氣檢測的一種標志物。從呼氣檢測角度出發(fā)，基于電子鼻原理設計了糖尿病呼氣檢測分析儀。研究中基于金屬氧化物半導體（Metal Oxide Semiconductor，MOS）氣體傳感器設計了傳感器陣列，基于末潮呼氣緩沖原理（Buffered end-tidal，BET）設計了呼氣進樣器，基于Matlab通過主成分分析法（Principal Component Analysis，PCA）和BP（Back-propagation）神經(jīng)網(wǎng)絡對呼氣進行了模式識別。在模擬試驗中，利用 100 份健康的呼氣樣本和 100 份模擬病患的呼氣樣本對系統(tǒng)的功能進行了驗證。PCA圖譜顯示氣體傳感器陣列對兩類不同的呼氣樣本的響應有著明顯的區(qū)別，呼氣進樣器可實現(xiàn)系統(tǒng)的在線式進樣，模式識別算法對兩種樣本的最終識別精度為 91.67%。呼氣分析儀的設計對于糖尿病的無入侵式檢測有積極的意義。

關 鍵 詞 電子鼻;呼氣檢測;糖尿病;氣體傳感器;丙酮

Abstract Acetone could be regarded as a biomarker for diabetes. From the point of breath detection， a diabetes breath detection analyzer was designed based on the principle. A sensor array based on MOS sensors was designed in the research. A sampler based on BET was designed. PCA and Back-propagation neural network （BPNN） were used in breath pattern recognition. In these simulated experiments， 100 healthy breath samples and 100 simulated breath samples were used to validate the breath analysis system. The result of PCA showed that the sensor array showed a distinct response patterns towards two different analytes. With the design of BET sampler， breath samples could be analyzed on-line. The classification accuracy of two kinds of breath samples by pattern recognition is 91.67%. The design of breath analyzer has positive significance for noninvasive detection of diabetes.

Key words electronic noses; breath detection; diabetes; gas sensor; acetone

0 引言

丙酮是人體代謝產(chǎn)物之一，健康人體呼氣中的丙酮濃度較低，約為1×10-6～2×10-6 [1]。糖尿病患者由于體內(nèi)異常的代謝狀態(tài)，呼氣中丙酮濃度可高達12×10-6 [2]。因此，以丙酮作為糖尿病標志物，通過對人體的呼氣進行檢測來確定受測人員是否患有糖尿病成為一種具有巨大潛力的無創(chuàng)檢測方案。

呼氣檢測的方案多種多樣，基于氣相色譜、光學原理、電子鼻及氣體傳感器等氣體檢測技術在呼氣檢測研究中均有報道[3]。基于氣相色譜與光學原理的檢測技術[4-6]，其優(yōu)點在于其靈敏度高、選擇性好，在生物工程、化學分析等領域應用廣泛。然而這兩種檢測方法成本高，儀器結構復雜，難以制成便攜式的在線檢測設備。氣體傳感器是氣體檢測的一個重要的研究領域，其特點是體積小、成本低、結構簡單、便于集成化等。在呼氣檢測中，單只氣體傳感器由于交叉靈敏度問題，難以在復雜的呼氣背景下對目標氣體進行檢測。電子鼻技術以多只氣體傳感器組成的傳感器陣列為核心，對呼氣中復雜氣體具有更優(yōu)的響應能力，配合以模式識別算法可以實現(xiàn)對不同特征的氣體分析識別。

電子鼻技術具有檢測速度快、成本低、便于集成化等優(yōu)點，適合于便攜式設備的研發(fā)。Yan等[7]利用商業(yè)MOS傳感器設計了一款用于糖尿病呼氣檢測的電子鼻系統(tǒng)，該呼氣分析系統(tǒng)使用離線進樣的方式，應用了主成分分析法和SVM算法，對糖尿病樣本的識別精度可達90%以上。值得注意的是呼氣的進樣方式可能會對實驗結果造成影響。離線式氣袋進樣可能會導致氣體樣本的變質、損失等問題[8]，因此在線式呼氣分析設備的研制十分有必要。

為實現(xiàn)糖尿病無入侵式檢測，基于電子鼻原理設計了一款可實現(xiàn)在線式進樣的便攜式呼氣檢測分析儀。在研究中采用貴金屬負載和分子篩膜技術對MOS傳感器的性能進行調控，制備了傳感器陣列，實現(xiàn)了對不同特征呼氣的響應能力。基于末潮呼氣緩沖的原理[9]設計了呼氣進樣器，實現(xiàn)了分析儀在線式進樣。通過PCA和BP神經(jīng)網(wǎng)絡算法相結合量化了呼氣分析儀的識別結果。最終通過模擬試驗對呼氣分析儀的識別能力進行了評估。

1 呼氣分析儀設計與實驗方案

1.1 呼氣分析儀的設計

呼氣分析儀的氣路結構由呼氣進樣器、二氧化碳檢測模塊、傳感器陣列及氣泵組成，系統(tǒng)設計原理圖和實物圖分別如圖1和圖2所示。呼氣進樣器是一個用于緩沖呼氣的玻璃容器。CO2檢測模塊由CO2傳感器（ExplorlR?-W，GSS）和腔體構成。CO2檢測模塊用來判斷是否有呼氣呼入，發(fā)送給上位機對呼氣數(shù)據(jù)進行保存。傳感器陣列由10 只MOS傳感器、1 個商業(yè)溫濕度模塊（SHT31-ARP，Sensirion）、傳感器工作電路和檢測腔體構成。在工作過程中，呼氣從進樣器進入，由真空泵從進樣器中間的取樣口抽取呼氣，依次經(jīng)過二氧化碳檢測腔體和傳感器陣列，最后從系統(tǒng)排出。傳感器數(shù)據(jù)由數(shù)據(jù)采集卡采集后傳輸至計算機，通過數(shù)據(jù)處理和模式識別進行分析。

1.2 實驗方案

1.2.1 氣體傳感器性能測試

研究中制備的10 只MOS氣體傳感器在搭載到電子鼻系統(tǒng)之前，通過一套動態(tài)測試設備進行了氣敏性能測試。測試設備原理圖如圖3所示。測試的氣體來自于鋼瓶，氣體流量通過質量流量控制器進行控制。氣路中的氣體總流量為100 mL/min，通過流量的配比得到不同濃度的目標氣體。氣體通過傳感器檢測腔體和溫濕度模塊檢測后排出測試系統(tǒng)。傳感器數(shù)據(jù)通過數(shù)據(jù)采集卡傳輸至計算機進行記錄，傳感器響應（Sensor response）S計算方式如式（1）所示，其中Ra為氣體傳感器在空氣中的阻值，Rg為氣體傳感器在目標氣體中的阻值。

1.2.2 呼氣進樣方式測試

通過在線式和離線式兩種呼氣進樣測試，對呼氣進樣器進行了功能驗證。在線式呼氣進樣測試中，測試人員進行一次深呼吸后通過一次性使用接嘴向呼氣進樣器呼氣，呼氣時長12 s。離線式呼氣進樣測試中，測試人員進行一次深呼吸后向氣袋里呼氣，再由氣泵將呼氣泵入呼氣進樣器，泵入時長12 s。兩次試驗的間隔為15 min，試驗中的流速均通過轉子流量計監(jiān)測，控制為1 L/min。通過CO2檢測模塊對呼氣進行檢測，測試數(shù)據(jù)傳送至計算機進行記錄。

1.2.3 模擬試驗

通過模擬試驗對呼氣分析儀的功能進行了驗證。在測試人員午飯后2 h進行呼氣采集，且呼氣采集前測試人員處于平靜狀態(tài)。5 名身體健康的測試人員共提供了200 份呼氣樣本。向其中100 份呼氣樣本添加額外的丙酮氣體至濃度達到5×10-6，作為模擬的糖尿病呼氣樣本。另外100 份呼氣樣本作為健康樣本進行對照實驗。呼氣樣本通過離線進樣的方式進入呼氣進樣器，測試流程如下。

1） 基線階段（60 s）：氣泵向呼氣進樣器泵入空氣，流速為1 L/min，時長60 s。空氣通過檢測端的氣泵從呼氣進樣器的取樣口通入CO2檢測模塊和傳感器陣列。傳感器陣列的基線值通過數(shù)據(jù)采集卡進行記錄。

2） 響應階段（520 s）：氣泵向呼氣進樣器泵入氣袋里的呼氣樣品，流速為 1 L/min，時長 12 s。呼氣通過檢測端的氣泵從呼氣進樣器的取樣口通入CO2檢測模塊和傳感器陣列。傳感器陣列對呼氣的響應從呼氣開始泵入時計算，其響應值通過數(shù)據(jù)采集卡進行記錄。

2 結果與討論

2.1 呼氣分析儀設計的實現(xiàn)

2.1.1 傳感器陣列

MOS氣體傳感器是傳感器陣列的基本功能單元。采用簡易酸化法[10]和水熱法[11]分別制備了WO3和SnO2納米顆粒。采用浸漬法[12]制備了貴金屬修飾改性的WO3和SnO2納米敏感材料，同時制備了貴金屬鉑負載HZSM5作為氣體傳感器分子篩膜材料。通過絲網(wǎng)印刷技術[12]制備了10 只MOS氣體傳感器，傳感器的信息如表 1所示。傳感器芯片由3 mm×3 mm電極涂覆敏感材料制成，部分傳感器敏感層上增加涂覆了一層分子篩膜，傳感器芯片的結構如圖4所示。氣體傳感器在使用前均在350 ℃條件下老化24 h。

研究中制備的10 只MOS氣體傳感器、1 個商業(yè)溫濕度模塊、檢測腔體和傳感器工作電路共同組成傳感器陣列，如圖5所示。腔體的體積為10 mL，在測試過程中腔體氣氛發(fā)生變化時，樣氣可迅速充滿腔體，從而減小氣體置換時間對傳感器響應速度的影響。腔體通過3D打印技術制成，選用了灰色玻璃纖維材質，一方面可以減小因腔體材質產(chǎn)生的氣體吸附問題;另一方面可以減小因腔體材質本身揮發(fā)氣體對傳感器陣列響應信號造成干擾的問題。

2.1.2 呼氣進樣器

研究基于末潮呼氣緩沖原理研制了呼氣進樣器，其基本工作原理是當人體通過一個長管呼氣時，可以實現(xiàn)不同呼氣階段的幾何分離[13]。如存在于鼻腔和口腔中的氣體會先被排出緩沖管，而存在于肺泡中的末潮呼氣最后排出緩沖管。該進樣器是實現(xiàn)呼氣分析儀在線式和離線式進樣的關鍵設備，如圖6所示。呼氣進樣器為玻璃材質容器，緩沖管內(nèi)徑為24 mm，壁厚為1.5 mm，容積為260 mL，接口外徑為6 mm，內(nèi)徑為3 mm。在進行在線式和離線式進樣的時候通過進樣口分別與一次性接嘴和氣袋進行連接。取樣口連接二氧化碳模塊和傳感器陣列，排氣口用于呼氣的排出。在工作狀態(tài)下，呼氣進樣器由加熱帶包裹，溫度設置為70 ℃以防止呼氣結露。呼氣由進樣口涌入，由檢測端的氣泵從取樣口進行取樣，通過傳感器陣列進行檢測，多余的呼氣由排氣口排出。

2.1.3 呼氣數(shù)據(jù)分析

呼氣數(shù)據(jù)分析由數(shù)據(jù)預處理、特征提取和模式識別3部分構成。單次呼氣樣本采樣時長為10 min，數(shù)據(jù)采樣頻率為2 Hz，每個呼氣樣本數(shù)據(jù)包含1 200 個點。預處理采用分式差分法，與傳感器性能測試中的傳感器響應計算方式不同，其計算過程如式（2）所示。預處理的目的是優(yōu)化傳感器基線漂移問題[14]。式中[RS]為傳感器阻值，[RSmin]為傳感器阻值最小值，[SO]為經(jīng)過預處理呼氣數(shù)據(jù)。

特征提取實現(xiàn)了從呼氣數(shù)據(jù)中提取關鍵特征信息，是模式識別的基礎。目前在電子鼻研究中應用較多的特征提取方法包括原始響應曲線的零散特征提取、基于曲線擬合的特征提取、基于變換域特征提取及基于相空間的特征提取[15-16]。本研究中采用的是基于原始數(shù)據(jù)的零散特征提取方法，研究中從電子鼻中13 只傳感器共提取了1 755 個數(shù)據(jù)特征，特征提取信息如表 2所示。

呼氣分析儀基于Matlab通過PCA和BP神經(jīng)網(wǎng)絡進行模式識別。通過PCA將1 755 維原始數(shù)據(jù)特征進行變換，提取前32 個主成分作為BP神經(jīng)網(wǎng)絡的輸入信息，實現(xiàn)了原始數(shù)據(jù)的降維。BP神經(jīng)網(wǎng)絡輸入層節(jié)點數(shù)為32，隱含層有2個，其節(jié)點數(shù)分別為16和6，輸出層節(jié)點數(shù)為1。

2.2 實驗結果與討論

2.2.1 氣體傳感器氣敏性能分析

首先對MOS氣體傳感器對丙酮的氣敏性能進行了探究，基于WO3氣體傳感器測試結果如圖7所示。純WO3氣體傳感器對于5×10-6的丙酮的響應約為6.5，而經(jīng)過鈀修飾的Pd-WO3氣體傳感器對于5×10-6丙酮的響應值提升到16，約為純WO3納米材料傳感器的2.4 倍，這可能是由于鈀金屬的加入起到了催化劑的作用[17]。

貴金屬修飾同樣對基于SnO2氣體傳感器的氣敏性能進行了調控，圖8中未經(jīng)鉑修飾的SnO2氣體傳感器對5×10-6丙酮的響應值約為24，而經(jīng)鉑修飾的Pt-SnO2氣體傳感器對相同濃度的丙酮響應約為247，提升了近10倍。因此經(jīng)過貴金屬修飾改性的氣體傳感器對于丙酮的響應性能有著明顯的提升，適于糖尿病呼氣標志物丙酮的檢測。

糖尿病患者的呼氣在異常的代謝狀態(tài)下，表現(xiàn)為一種以高于正常人丙酮濃度為主要特征的特殊呼氣模式[18]，除丙酮以外，已有研究表明氫氣和一氧化碳與人體的血糖水平相關[19-20]。因此，研究采用傳感器陣列對不同的呼氣模式進行分析，要求傳感器陣列中的氣體傳感器對糖尿病患者的可能呼氣標志物（丙酮、氫氣和一氧化碳等）有較好的響應，并且不同的傳感器之間的選擇性有一定的差異性，因而傳感器陣列可對不同特征的呼氣響應不同的傳感信息，以便于后續(xù)的模式識別。因此探究了MOS傳感器對5種呼氣中常見氣體的響應，如圖9所示。

從金屬負載角度，鈀金屬的負載提升了WO3傳感器對丙酮、氫氣和一氧化碳的響應能力，同時提升了SnO2傳感器對氫氣的響應能力;鉑金屬的負載增強了SnO2傳感器對丙酮、乙醇和一氧化碳的響應能力，減弱了對氨氣的響應能力;同時負載了鈀和鉑的SnO2傳感器對丙酮和氫氣響應均有提升。從分子篩膜的角度，HZSM5分子篩膜提升了Pd-WO3氣體傳感器對丙酮和乙醇的響應，降低了Pd-SnO2氣體傳感器對氫氣和氨氣的響應;Pt-HZSM5分子篩膜同時提升了Pd-WO3和Pd-SnO2氣體傳感器對于丙酮、乙醇和氨氣的響應能力，降低了其對于一氧化碳的響應能力。因此，研究中的貴金屬修飾改性技術和分子篩膜技術使傳感器的選擇性更加的多元化，有利于對不同特征的呼氣進行模式識別。

2.2.2 呼氣進樣方式試驗

二氧化碳是呼氣中一種穩(wěn)定的化學成分，在本試驗中用來作為呼氣涌入呼氣進樣器的觀測指標。呼氣兩種進樣方式如圖10所示，兩種進樣方式的二氧化碳濃度曲線基本吻合，可以說明呼氣的濃度沒有隨進樣方式的變化發(fā)生變化，兩種進樣方式均可進行呼氣分析，不影響呼氣分析的結果。從圖中虛線框放大部分可以看出試驗中12 s時的呼氣，由于進樣器的緩沖作用，其濃度達到相對穩(wěn)定的時間被延長至約30 s，說明呼氣進樣器的緩沖作用可以延長氣體傳感器陣列與呼氣響應的時間，使響應更加充分穩(wěn)定。

2.2.3 模擬試驗

通過對200 個呼氣樣本進行模擬試驗，并對呼氣數(shù)據(jù)進行分析。健康呼氣樣本和模擬呼氣樣本的PCA前3個主成分繪制成的三維圖譜如圖11所示。兩類樣本有著很好的聚類效果，說明兩類呼氣樣本的特征有著明顯的區(qū)別。在試驗中隨機選取了70%的數(shù)據(jù)作為訓練集，30%的數(shù)據(jù)作為測試集。通過BP神經(jīng)網(wǎng)絡最終的識別精度為91.67%。呼氣分析儀在模擬試驗中表現(xiàn)出了良好的性能。

3 結論

為了實現(xiàn)糖尿病的無入侵式檢測，基于電子鼻原理設計并制備了一個用于糖尿病呼氣檢測分析儀，得到主要結論如下：

1）貴金屬鈀和鉑的負載能有效地調控WO3和SnO2氣體傳感器對丙酮的靈敏度，使傳感器能響應低至0.3 ppm的丙酮。

2）貴金屬鈀和鉑的負載和分子篩膜技術能有效地調控WO3和SnO2氣體傳感器對不同氣體的選擇性，使傳感器陣列對不同特征呼氣產(chǎn)生不同的響應。

3）基于末潮呼氣緩沖原理的進樣器可以實現(xiàn)在線式和離線式兩種呼氣進樣方式，且可以將12 s的呼氣時間延長至30 s。

4）呼氣分析儀通過對呼氣數(shù)據(jù)進行特征提取，并通過PCA和BP神經(jīng)網(wǎng)絡的算法進行識別，最終的模擬試驗識別精度為91.67%，該系統(tǒng)設計對無入侵式糖尿病的呼氣檢測有參考意義。

參考文獻：

[1]? ? ANDERSON J C. Measuring breath acetone for monitoring fat loss：Review[J]. Obesity，2015，23（12）：2327-2334.

[2]? ? 奉軻，花中秋，伍萍輝，等. 用于檢測糖尿病標志物的電子鼻優(yōu)化設計[J]. 傳感技術學報，2018，31（1）：13-18.

[3]? ? BRUDERER T，GAISL T，GAUGG M T，et al. On-line analysis of exhaled breath[J]. Chemical Reviews，2019，119（19）：10803-10828.

[4]? ? LAGG A，TAUCHER J，HANSEL A，et al. Applications of proton transfer reactions to gas analysis[J]. International Journal of Mass Spectrometry and Ion Processes，1994，134（1）：55-66.

[5]? ? TREFZ P，SCHMIDT M，OERTEL P，et al. Continuous real time breath gas monitoring in the clinical environment by proton-transfer-reaction-time-of-flight-mass spectrometry[J]. Analytical Chemistry，2013，85（21）：10321-10329.

[6]? ? CHEN Y，ZHANG Y，PAN F，et al. Breath analysis based on surface-enhanced Raman scattering sensors distinguishes early and advanced gastric cancer patients from healthy persons[J]. ACS Nano，2016，10（9）：8169-8179.

[7]? ? YAN K，ZHANG D，WU D R，et al. Design of a breath analysis system for diabetes screening and blood glucose level prediction[J]. IEEE Transactions on Biomedical Engineering，2014，61（11）：2787-2795.

[8]? ? HERBIG J，M?LLER M，SCHALLHART S，et al. On-line breath analysis with PTR-TOF[J]. Journal of Breath Research，2009，3（2）：027004.

[9]? ? HERBIG J，TITZMANN T，BEAUCHAMP J，et al. Buffered end-tidal （BET） sampling—a novel method for real-time breath-gas analysis[J]. Journal of Breath Research，2008，2（3）：037008.

[10]? 曾艷，花中秋，田學民，等. Ru負載WO3納米顆粒對NH3的氣敏特性[J]. 硅酸鹽學報，2018，46（1）：70-77.

[11]? 祝杰君，邵圣茹，夏家信，等. 水熱法合成SnO2空心球及其對乙醇氣敏性能研究[J]. 化學研究與應用，2019，31（12）：2099-2105.

[12]? 李彥，花中秋，武一，等. PdO表面催化改性WO3納米顆粒對丙酮的氣敏性能[J]. 硅酸鹽學報，2017，45（10）：1467-1473.

[13]? SCHON S，THEODORE S J，G?NTNER A T. Versatile breath sampler for online gas sensor analysis[J]. Sensors and Actuators B：Chemical，2018，273：1780-1785.

[14]? 亓培鋒，孟慶浩，井雅琪，等. 電子鼻中預處理算法選擇及陣列優(yōu)化[J]. 數(shù)據(jù)采集與處理，2015，30（5）：1099-1108.

[15]? YAN J，GUO X，DUAN S，et al. Electronic nose feature extraction methods：a review[J]. Sensors （Basel，Switzerland），2015，15（11）：27804-27831.

[16]? YAN K，ZHANG D. Feature selection and analysis on correlated gas sensor data with recursive feature elimination[J]. Sensors and Actuators B：Chemical，2015，212：353-363.

[17]? KIM N H，CHOI S J，YANG D J，et al. Highly sensitive and selective hydrogen sulfide and toluene sensors using Pd functionalized WO3 nanofibers for potential diagnosis of halitosis and lung cancer[J]. Sensors and Actuators B：Chemical，2014，193：574-581.

[18]? G?NTNER A，ABEGG S，K?NIGSTEIN K，et al. Breath sensors for health monitoring[J]. ACS Sensors，2019，4（2）：268-280.

[19]? FRITSCH T，VAN HERPEN M，VON BASUM G，et al. Is exhaled carbon monoxide level associated with blood glucose level？ A comparison of two breath analyzing methods[J]. Journal of Biomedical Optics，2008，13（3）：034012.

[20]? PAREDI P，BIERNACKI W，INVERNIZZI G，et al. Exhaled carbon monoxide levels elevated in diabetes and correlated with glucose concentration in blood：a new test for monitoring the disease？ [J]. Chest，1999，116（4）：1007-1011.