本發(fā)明涉及一種基于半導體氣敏傳感器陣列檢測呼出氣體裝置。
背景技術:
呼出氣體的檢測和分析,作為一種新型的輔助診斷手段,在臨床診斷和健康監(jiān)測領域具有廣闊的應用前景。人體內源性代謝的部分產物在肺泡通過氣體交換出現在呼出氣體中。各種內源性代謝產物組合,作為生物標志物,反應人體的健康狀況,從而有助于疾病的早期篩查。近年來,在肺癌、COPD、哮喘、胃癌、腸癌、乳腺癌、頭頸癌、幽門螺旋桿菌感染、老年癡呆、帕金森綜合征等疾病中利用呼出氣體檢測來尋找特異性標志物的研究越來越多,呼出氣體檢測在肺癌早期診斷與相應肺癌分型中的應用已得到廣泛的關注。在能量代謝的過程中以及氧化應激反應產生的內源性VOCs是疾病診斷檢測的目標?,F主要用于呼出氣體檢測的方法有:GC-MS、SIFT-MS、FAIMS、傳統(tǒng)氣敏傳感器等,使用GC-MS、SIFT-MS和FAIMS檢測方法,其裝置體型大、成本高、結構復雜、分析時間長,難以實現實時監(jiān)測和在線檢測。
而傳統(tǒng)氣敏傳感器多采用厚膜氣體敏感材料,功耗大,靈敏度低,檢測精度低,批量生產效率慢;單個傳感器在使用時存在嚴重的“交叉敏感性”問題,出現氣體選擇性差、抗干擾能力弱、檢測精度受限等弊端,僅能用于模糊識別,無法在復雜氣體環(huán)境下完成多種敏感氣體檢測;運用傳感器陣列輔助診斷肺癌或糖尿病的呼出氣體檢測方法,只局限于單一氣體檢測,不具備健康監(jiān)測普適性。
技術實現要素:
為解決現有技術中存在的上述缺陷,本發(fā)明的目的在于提供一種基于半導體氣敏傳感器陣列檢測呼出氣體裝置,實現非侵入性、無損傷、取樣方便、低檢測限、高精度、多氣體同步和實時檢測的呼出氣體檢測方法。
本發(fā)明是通過下述技術方案來實現的。
一種基于半導體氣敏傳感器陣列檢測呼出氣體裝置,包括呼出氣體收集模塊、信號發(fā)生模塊、信號處理模塊和模式識別模塊;
所述呼出氣體收集模塊,采用氣體交換裝置將呼出氣體收集在氣室中,將氣體預熱至合適溫度,對氣體濕度進行檢測,已收集的呼出氣體送至所述信號發(fā)生模塊,氣體濕度檢測信號傳遞給所述模式識別模塊;
所述信號發(fā)生模塊,具有對氣體選擇性的半導體氣敏傳感器陣列,所述氣室送來的呼出氣體中的敏感氣體與所述半導體氣敏傳感器陣列的氣體敏感薄膜發(fā)生反應,將所檢測敏感氣體的濃度信息對應的半導體阻值變化轉換為電壓信號,將電壓信號傳遞給所述信號處理模塊;
所述信號處理模塊,對所述電壓信號進行放大、濾波處理后,經模數轉換為數據信號傳遞給所述模式識別模塊;
所述模式識別模塊,使用模式識別方法對所采集數據中的氣敏特性信息進行提取,將氣敏特性信息進行訓練和識別;最終識別出所述敏感氣體的種類和濃度。
作為優(yōu)選,所述半導體氣敏傳感器陣列包括呈分布的半導體氣敏傳感器,以及設置在半導體氣敏傳感器之間的分壓電阻,分壓電阻進行電壓信號輸出,輸出的電壓信號傳遞到信號處理模塊;在所述半導體氣敏傳感器周邊設有接線盤。
進一步,所述半導體氣敏傳感器包括硅基底以及設置在硅基底上的電極、加熱元件和測溫元件,電極、加熱元件和測溫元件上分別引出有與所述接線盤相連的引線盤;所述電極和加熱元件分別通過呈螺旋線狀的電極線和加熱絲引出至引線盤。
進一步,所述分壓電阻與半導體氣敏傳感器的數量對應,各分壓電阻分別與對應的電極引線盤和接線盤串聯連接,分壓電阻兩端分別連接到接線盤。
進一步,每個半導體氣敏傳感器上分別涂有不同材料形成的氣體敏感薄膜,分別是ZnO、SnO、TiO2和In2O3,選擇貴金屬或稀土金屬對不同材料進行摻雜,所述貴金屬包括金、鉑或銀,所述稀土金屬包括鉺、鑭或鐿;摻雜量為半導體氣體敏感材料的5%-10%。
進一步,所述氣體敏感薄膜厚度為450~550nm。
作為優(yōu)選,半導體氣敏傳感器陣列可同時檢測四種以上敏感氣體,利用不同半導體氣敏材料對氣體選擇性不同的特性,其中一個傳感器檢測的目標氣體是其他三個傳感器檢測的干擾氣體,其他三個傳感器檢測的目標氣體是這一個傳感器檢測的干擾氣體,通過模式識別方法,得到準確目標氣體濃度的同時補償干擾氣體的檢測誤差。
進一步,根據所述呼出氣體中的若干VOCs成分的含量來檢測所述敏感氣體,其中作為生物標志物的VOCs成分包括苯、甲醛、乙烷、戊烷、乙醇、乙醛、乙腈、丙酮或異戊二烯;敏感氣體檢測可輔助診斷肺癌、哮喘、胃癌、幽門螺旋桿菌感染、糖尿病和神經退行性疾病。
進一步,所述模式識別模塊采用人工神經網絡算法進行識別。
進一步,所述模式識別模塊對所采集數據中的半導體氣體敏感薄膜響應時間、響應靈敏度和響應曲線特征進行提取。
本發(fā)明的有益效果:
基于半導體氣敏傳感器陣列檢測呼出氣體裝置克服了傳統(tǒng)的侵入式臨床診斷方法的缺點,它具有無創(chuàng)性、無同位素、普適性、便攜性、低成本、高準確性等優(yōu)點?;贛EMS工藝的半導體氣敏傳感器體積小、半導體氣體敏感薄膜厚度僅為500nm,檢測精度高達100ppb。并且功耗低、對敏感氣體響應靈敏度高,批量生產效率高成本低。本發(fā)明運用半導體氣敏材料對氣體選擇性不同的特性,通過傳感器陣列與模式識別方法結合克服交叉敏感性的干擾,達到多敏感氣體同步且準確檢測的目的,實現快速分析、在線檢測等功能,可將最低檢測限降低到10ppb。
附圖說明
圖1為本發(fā)明實施例的檢測呼出氣體裝置原理框圖;
圖2為本發(fā)明實施例的檢測呼出氣體裝置硬件結構圖;
圖3為本發(fā)明實施例的傳感器陣列結構圖;
圖4為本發(fā)明實施例中的傳感器結構示意圖。
具體實施方式
下面結合附圖和實施例對發(fā)明作進一步的詳細說明,但并不作為對發(fā)明做任何限制的依據。
參閱圖1所示,在一種實施例中,一種基于半導體氣敏傳感器陣列檢測呼出氣體裝置,包括呼出氣體收集模塊、信號發(fā)生模塊、信號處理模塊和模式識別模塊;呼出氣體收集模塊采用氣體交換裝置將呼出氣體收集在氣室中,將氣體預熱至合適溫度,對氣體濕度進行檢測,已收集的呼出氣體送至信號發(fā)生模塊,氣體濕度檢測信號傳遞給模式識別模塊。信號發(fā)生模塊具有對氣體選擇性的半導體氣敏傳感器陣列,氣室送來的呼出氣體中的敏感氣體與半導體氣敏傳感器陣列的氣體敏感薄膜發(fā)生反應,將所檢測敏感氣體的濃度信息對應的半導體阻值變化轉換為電壓信號,將電壓信號傳遞給所述信號處理模塊。信號處理模塊對電壓信號進行放大、濾波等處理后,經模數轉換為數據信號傳遞給模式識別模塊。模式識別模塊使用模式識別方法對所采集數據中的氣敏特性信息進行提取,如半導體氣體敏感薄膜響應時間、響應靈敏度、響應曲線特征,將氣敏特性信息進行訓練和識別;最終識別出敏感氣體的種類和濃度。
如圖2所示,一種基于半導體氣敏傳感器陣列檢測呼出氣體裝置在硬件上包括氣體收集氣室、溫度控制器、濕度檢測器(三者包括在呼出氣體收集模塊中)、氣體流量控制器、半導體氣敏傳感器陣列封裝芯片(信號發(fā)生模塊)、信號輸出電路、信號調理電路(信號處理模塊)和計算機(模式識別模塊)。
如圖3所示,在優(yōu)選的實施例中,半導體氣敏傳感器陣列包括呈分布的半導體氣敏傳感器,以及設置在半導體氣敏傳感器之間的分壓電阻5,分壓電阻進行電壓信號輸出,輸出的電壓信號傳遞到信號處理模塊;在半導體氣敏傳感器周邊設有接線盤6。
如圖3、4所示,半導體氣敏傳感器包括硅基底8以及設置在硅基底8上的電極2、加熱元件3和測溫元件4,電極2上引出有一對對稱分布呈螺旋線狀的電極線,并至電極引線盤9;加熱元件3沿電極2側引出有一對對稱分布呈螺旋線狀的加熱絲,并至加熱元件引線盤7,測溫元件4在各半導體氣敏傳感器的外側設置,并引出有測溫元件引線盤10。上述引線盤均與接線盤6相連。
分壓電阻5與半導體氣敏傳感器的數量對應,各分壓電阻5分別與對應的電極引線盤9和接線盤6串聯連接,分壓電阻5兩端分別連接到接線盤6。
硅基底8包括硅材料層11、二氧化硅材料層12和氮化硅材料層13,其中,由氮化硅材料層13、二氧化硅材料層12和硅材料層11組合構成支撐基底,在支撐基底上依次設有二氧化硅材料層12和氮化硅材料層13。電極2上覆蓋有半導體氣體敏感薄膜1,氣體敏感薄膜厚度為450~550nm。各傳感器設置在單獨硅基底上,根據半導體氣體敏感薄膜1材料特性輸出最佳響應溫度。
圖3所示,在優(yōu)選的實施例中,半導體氣敏傳感器陣列含有四個半導體氣敏傳感器,每個半導體氣敏傳感器上分別涂有以下不同材料形成的氣體敏感薄膜,氣體敏感薄膜厚度為500nm。分別是ZnO、SnO、TiO2和In2O3四種半導體氣體敏感材料,每種半導體氣體敏感材料選擇一種貴金屬(如金、鉑、銀)或稀土金屬(如鉺、鑭、鐿)進行摻雜,摻雜量為半導體氣體敏感材料的5%-10%,摻雜目的是改善氣體敏感材料的氣體選擇性和響應靈敏度,同時降低最佳響應溫度。
根據呼出氣體中的若干VOCs成分的含量來檢測所述敏感氣體,其中作為生物標志物的VOCs成分包括苯、甲醛、乙烷、戊烷、乙醇、乙醛、乙腈、丙酮或異戊二烯。優(yōu)選以甲醛、乙醇、丙酮和異戊二烯作為主要的生物標志物??奢o助診斷肺癌、哮喘、胃癌、幽門螺旋桿菌感染、糖尿病和神經退行性疾病。
利用不同半導體氣體敏感材料對氣體選擇性不同的特性,半導體氣敏傳感器陣列可同時檢測四種以上敏感氣體,利用不同半導體氣敏材料對氣體選擇性不同的特性,從四個半導體氣敏傳感器輸出信號中提取敏感氣體的特征信息,其中一個傳感器檢測的目標氣體是其他三個傳感器檢測的干擾氣體,其他三個傳感器檢測的目標氣體是這一個傳感器檢測的干擾氣體,通過模式識別方法區(qū)分目標氣體響應和干擾氣體響應,消除交叉敏感性干擾,得到準確目標氣體濃度的同時補償干擾氣體的檢測誤差。
如圖3所示,半導體氣敏傳感器陣列在硬件上包括信號調理電路。信號處理模塊對信號進行包括放大、濾波、去噪、基線修正在內的處理,后經模數轉換為數字信號,再傳送給所述模數轉換模塊。模式識別方法可以采用本領域技術人員熟知的人工神經網絡算法進行訓練和識別。
本發(fā)明并不局限于上述實施例,在本發(fā)明公開的技術方案的基礎上,本領域的技術人員根據所公開的技術內容,不需要創(chuàng)造性的勞動就可以對其中的一些技術特征作出一些替換和變形,這些替換和變形均在本發(fā)明的保護范圍內。