[发明专利]一种基于机器学习的呼出气体检测方法和系统

权利要求书

1.一种基于机器学习的呼出气体检测方法，其特征在于，包括以下步骤：

获取多组传感器阵列中各组传感器阵列对人体呼出气体中识别出含氮气体的电信号，其中，所述含氮气体包括氨气、正丙胺、二乙胺和三乙胺,所述传感器阵列由含氮类挥发性气体敏感薄膜直接覆盖在叉指式电极表面形成,所述含氮类挥发性气体敏感薄膜的材料分别为BOPHY前驱体非共价键修饰单壁碳纳米管、BOPHY非共价键修饰单壁碳纳米管、甲基取代BOPHY非共价键修饰单壁碳纳米管和碘取代BOPHY非共价键修饰单壁碳纳米管；

使用气体检测模型对所述电信号进行分析，确定人体呼出气体中所述含氮气体的浓度，其中，所述气体检测模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括电信号和所述电信号所对应的气体参数标签。

2.根据权利要求1所述的基于机器学习的呼出气体检测方法，其特征在于，在使用气体检测模型对所述电信号进行分析，确定人体呼出气体中所述含氮气体的浓度中，所述气体检测模型的机器学习训练过程包括以下步骤：

获取多组传感器阵列中各组传感器阵列对混合气体样本的电信号；对所述混合气体样本的电信号进行气体响应值的特征值提取；

根据机器学习算法对提取的所述气体响应值特征值进行训练，以得到所述混合气体样本中电信号与气体参数标签的关系模型。

3.根据权利要求2所述的基于机器学习的呼出气体检测方法，其特征在于，所述气体响应值为：ΔG＝(G1-G0)/G0；

式中，ΔG表示气体响应值，G0表示混合气体刚通入传感器阵列时的电阻值，G1表示混合气体通入传感器阵列2分钟之后的电阻值。

4.根据权利要求1或2所述的基于机器学习的呼出气体检测方法，其特征在于，所述气体参数标签包括氨气浓度、正丙胺浓度、二乙胺浓度和三乙胺浓度。

5.根据权利要求2所述的基于机器学习的呼出气体检测方法，其特征在于，所述机器学习算法采用有监督式的学习方式。

6.根据权利要求2所述的基于机器学习的呼出气体检测方法，其特征在于，所述机器学习算法采用线性回归算法建立模型。

7.根据权利要求2所述的基于机器学习的呼出气体检测方法，其特征在于，在根据机器学习算法对提取的所述气体响应值特征值进行训练，以得到所述混合气体样本中电信号与气体参数标签的关系模型中，还包括：使用平方损失函数作为模型的损失函数，通过优化器采用梯度下降算法优化模型，设置学习率为0.01，迭代直至收敛。

8.一种基于机器学习的呼出气体检测系统，用于实现权利要求1-7中任一项所述的基于机器学习的呼出气体检测方法，其特征在于，包括多组传感器阵列、数据采集单元、数据分析单元和疾病诊断单元；

各组所述传感器阵列均用于识别含氮气体的电信号，其中，所述含氮气体包括氨气、正丙胺、二乙胺和三乙胺,所述传感器阵列由含氮类挥发性气体敏感薄膜直接覆盖在叉指式电极表面形成,所述含氮类挥发性气体敏感薄膜的材料分别为BOPHY前驱体非共价键修饰单壁碳纳米管、BOPHY非共价键修饰单壁碳纳米管、甲基取代BOPHY非共价键修饰单壁碳纳米管和碘取代BOPHY非共价键修饰单壁碳纳米管；

所述数据采集单元与各组所述传感器阵列电连接，用于采集所述传感器阵列的电信号；

所述数据分析单元与所述数据采集单元电连接，用于根据所述电信号，利用机器学习模型分析人体呼出气体中所述含氮气体的浓度；

疾病诊断单元，用于根据所述含氮气体的浓度，作出肾脏疾病诊断结果。