[发明专利]可辨识肺炎种类的呼吸器及其辨识芯片及其辨识方法

说明书

技术领域

本发明涉及一种用于气体辨识的电子装置，具体涉及一种具备能够辨识混合气体种类的微型化气体辨识芯片，来早期检测并辨识病人所感染的肺炎种类的呼吸器。

背景技术

重症病患在进入加护病房后，经常需要接受插管以及使用呼吸器，如此，病人的呼吸道就很容易受到感染，进而引发肺炎，发生这种情况的比率可能高达80％以上。这些细菌有很多已经具有抗药性，故治疗上更加的困难。

当病人出现肺炎的症状时，医疗人员则会帮病人照胸部X光、抽血、抽痰并进行分子生物学的细菌培养。然而，即使医疗人员已由抽血、抽痰及胸部X光确认病人已经感染肺炎，引发肺炎的菌种还是要等待细菌培养的结果才能确定，而细菌培养需要至少五天的时间，这对分秒必争的重症病患来说是一段很长的时间。由于现行的医疗技术中缺乏能够实时诊断病人感染的肺炎种类的仪器，医师常需要在细菌培养的结果尚未出来前就必须要先对病人用药。然而，引发肺炎的细菌至少有十余种(如绿脓杆菌、克雷式杆菌、AB菌及葡萄球菌等)，而不同的菌种所对应的药是不同的。因此，在细菌培养的结果尚未出来前，医师仅能根据自己的经验法则来决定使用哪一种药物，直到细菌培养的结果后，若是药用得不对，再帮病人换药。病人由于上述医疗上无可避免的拖延，导致病人在加护病房的时间延长，故增加病人院内感染，甚至致死的机率。因此，如何提出一种电子装置，能够实时地侦测并诊断出病人所感染的肺炎种类，即为本发明所要解决的问题。

发明内容

本发明提供了一种可辨识肺炎种类的呼吸器及其辨识芯片及其辨识方法，以解决现有技术中医疗检测系统无法实时检测出病人感染的肺炎种类的问题。

为实现上述目的，本发明提出了一种气体辨识芯片，其特点是，上述芯片包含：一传感器阵列，其包含若干个传感器及传感薄膜，传感薄膜吸附若干种待测气体，使各个传感器产生对应于各个待测气体的气味信号；一传感器接口电路，其读取并分析各个待测气体的气味信号，以产生对应于各个待测气体的气体图案信号；一随机类神经网络芯片，其放大各个气体图案信号之间的差异，并降低各个气体图案信号的维度，以协助产生分析结果；一内存，其储存训练数据；一微控制器，其接收分析结果，并根据分析结果执行混合气体辨识方法来辨识待测气体的种类，且将不存在于训练数据的未知气体分类，再根据训练数据产生辨识结果。

一种气体辨识方法，其特点是，上述方法包含以下步骤：利用传感器阵列的传感薄膜吸附若干种待测气体，使传感器阵列的各个传感器产生对应于各个待测气体的气味信号；由传感器接口电路读取并分析各个待测气体的气味信号，以产生对应于各个待测气体的气体图案信号；透过随机类神经网络芯片放大各个气体图案信号之间的差异，并降低各个气体图案信号的维度，以产生分析结果；由内存储存气体训练数据；以及经由微控制器接收分析结果，并根据分析结果执行混合气体辨识方法来辨识待测气体的种类，且将不存在于训练数据的未知气体分类，再根据训练数据产生辨识结果。

优选地，传感薄膜可以利用纳米孔洞碳材所构成，并将具气体吸附能力的高分子成长于纳米孔洞碳材的孔洞中。

优选地，当微控制器侦测到未知气体时，微控制器可将未知气体的数据传送到传感器接口电路、随机类神经网络芯片及内存，使气体辨识芯片能够有自我学习的能力。

优选地，混合气体辨识方法可包含K最邻近法(K Nearest Neighbors，KNN)、线性回归法(Linear Least Squares Regression)及以中位数作为临界值的K最邻近法(Median-Threshold KNN Classification，MTKNN)，其中，以中位数作为临界值的K最邻近法是先求出气体训练数据中各笔数据两两之间的距离，再找出这些距离的中位数，并利用中位数来判定待测气体是否为未知气体。

优选地，传感器阵列可由导电聚合物(Conducting Polymer，CP)传感器所构成。

优选地，导电聚合物传感器接口电路可利用单程多晶硅悬浮栅(Floating Gate)组件来储存电荷，以减少漏电及降低电路功率。

优选地，传感器阵列可由表面声波(surface acoustic wave，SAW)传感器所构成。

优选地，传感器接口电路可包含可调式震荡电路，其可根据不同表面声波传感器来调整震荡频率，增加使用上的弹性。

一种运用上述的气体辨识芯片的可早期侦测及辨识肺炎种类的呼吸器，其特点是，呼吸器包含吐气端管路及气体辨识装置，气体辨识装置利用上述的气体辨识芯片来分析病人由吐气端管路中呼出的气体以辨识肺炎的种类。