论文部分内容阅读
目前,糖尿病诊断一般采用传统验血方式,是一种入侵式诊断,其耗时长,操作不方便,病患不能及时发现病症,易耽误最佳治疗时间。前期研究表明糖尿病患者呼气中丙酮含量较正常人明显偏高,因而,将人体呼气中的丙酮含量作为检测糖尿病的依据,为实现非入侵式的糖尿病诊断提供可能。本课题旨在通过金属氧化物半导体气敏传感器阵列与模式识别算法相结合,设计一套“人工嗅觉”电子鼻系统,完成对痕量丙酮准确识别并实现整个检测过程自动化与智能化,为后续实现快速无创伤糖尿病检测提供技术参考。完成的主要工作如下:(1)设计电子鼻硬件系统。系统主要包括阵列中传感器选取、阵列电路、动态测试、数据采集等模块。依据糖尿病患者呼气中的成分与浓度选择传感器类型及数量,构成电子鼻阵列;分析传感器的电气参数,设计阵列电路;通过多个气体流量控制器动态配气,配制三类气体样本,完成动态测试;根据阵列中传感器的数量与采集精度等,选择数据采集卡。(2)数据处理与传感器阵列优化。采用移动平滑滤波法对原始数据进行平滑处理完成数据预处理;提取各传感器响应过程中能表达样本特征的数据,完成数据特征提取;根据实验采集的数据,分析各传感器的灵敏度、选择性、相关性以及实验可重复性特性,去除性能较差的传感器,完成传感器阵列优化。(3)识别算法研究。针对电子鼻系统识别要求,选用BP神经网络、基于主成分分析法(PCA)的BP神经网络、支持向量机(SVM)三种算法分别构成识别模型,进行性能比较分析,确定最优识别模型。实验结果表明:经PCA优化建立的BP神经网络模型与BP神经网络模型相比,识别准确率相近,但是降低了网络复杂度、减少模型的训练时间;采用SVM设计的识别模型对于三类样本的识别准确率高于经PCA优化建立的BP神经网络模型,识别准确率接近100%,而且训练时间短,鲁棒性好。(4)电子鼻系统软件设计。主要包括数据采集、模式识别以及病人信息管理人机交互界面。数据采集人机交互界面基于C#平台开发设计,完成对阵列中各传感器响应数据的保存、绘制动态响应曲线、数据处理等操作;模式识别人机交互界面基于C#与MATLAB混合编程实现,完成对气体样本的快速识别检测;病人信息管理人机交互界面基于C#中ADO.Net技术,实现对病人的基本信息与诊断结果记录和查询功能。