电子鼻,也称人工嗅觉系统,在香水、饮料、食品等的质量控制中具有广泛的应用;但用于疾病诊断的医用电子鼻目前尚不成熟,仍处于实验室研究阶段。本项目研究并构建了一个医用电子鼻原型系统,研究的重点是气体传感器并进行选型和传感器阵列设计、进样系统设计、阵列温度漂移抑制等。论文从病理学的角度对医用电子鼻的可行性进行了论证,并最终以检测肺癌为目标,围绕着患者呼气中的挥发性生物标志物,进行了气体传感器的调查研究,最终选定了TGS822、MQKII、TGS2620、TGS2602、QS-01等传感器构成传感器阵列。由于患者呼出气体中生物标志物的浓度通常较低(ppb-ppt级),因此要求医用电子鼻的传感器具有很低的LoD(最低检测限);而在目前的技术条件下,普通气体传感器都达不到这个要求。因此,在本研究中,除了论证预浓缩装置的必要性外,还考虑提高传感器阵列自身的检测性能,设计了抑制传感器温度漂移的实验方案。该方案的基本思想是在阵列板上增加温度传感器,并利用其输出信息辅助样本识别;此外还选择“载气吹扫顶空”的进样方式,采取了一些改进气室气密性和气流均匀性的措施。在抑制阵列温漂实验中,配制了体积百分浓度为0.1%和0.5%的乙醇溶液,用同样流量的载气吹扫它们,以产生两类气体样本,输入气室与传感器阵列反应。实验最后获得了20例样本(两种浓度样本各10例)。在数据分析中,由于气流不稳定导致某些传感器的输出信号不够稳定,因此先采用滑动平均法对输入信号进行预处理,然后对平滑后的信号进行特征参数提取;最后,分别采用传感器输出的最大值、相对值和响应时间作为特征参数,建立了单层感知器和反向传播神经网络(Back-Propagation Neural Network,BPNN),用20例样本中的前16例训练网络,再用训练好的神经网络去识别剩余的4例样本。实验结果表明,大多数情况下没有误判;当以响应时间为特征参数时,用训练好的BP网络出现了错误识别待测样本的现象;但多提取一个特征参数——温度传感器在气体传感器响应时间段内的均值,相应地增加人工神经网络输入神经元的数目,即可消除误判,验证了此抑制温漂方法的可行性。