临床上,多数疾病早期症状并不明显,这使得很多病患错过了最佳的诊断和治疗时机。人体呼气中包含biological validation有自身新陈代谢的产物,在一定程度上能够反映人体的健康状况。通过对呼气中某些与特定疾病相关的标志物气体进行检测,有望实现对人体可能患有的疾病进行初筛和早期诊断。与传统的气相色谱法相比,基于阵列式传感器的呼气检测法具有价格便宜、操作简单、体积小巧等优点,非常适合开发为便携式气体检测仪器。本文研究与设计了一款基于阵列式气体传感器的呼气检测仪器,由传感器阵列、传感器接口电路、模式识别系统(算法)三部分组成,能够识别丙酮、乙醇等与肺癌相关的标志物气体。根据本文对气体识别的设计要求以及传感器选型规范,最终选择了四种金属氧化物(MOS)气体传感器组成2*2传感器阵列。传统基于电阻串联分压法的接口电路整体灵敏度受负载电阻影响,线性度差,气敏电阻的测量精度和动态范围有限,难以匹配前端传感器阵列中不同型号的MOS气体传感器。针对此问题,本论文研究并设计了一款基于恒流源的多量程自动检测电路,通过STM32主控芯片实现接口电路量程的自动选择。并在100Ω-200KΩ的电阻范围内进行了测试,测试结果显示在整个测量范围内,电路线性度良好,整体误差小于3%。气体浓度数据经串口触摸屏显示(可通过触摸的方式寻找更多实现简单人机交互),并由串口通信模块传递给上位机,用来进行后续的模式识别。系统软件程序是基于Keil软件进行开发,利用C语言进行编写,主要完成了AD多通道信号采集、接口电路量程的自动选择、触摸屏的显示等任务。最后对系统所采集到的混合气体数据样本进行检测,对使用的模式识别算法进行了研究。使用核主成分分析(Kernel Principal component analysis,KPCA)对数据进行特征提取,利用支持向量机(Support Vector Machine,SVM)分类器对气体样本进行了定性识别。使用经遗传算法(Genetic Algorithm,GA)优化的BP神经网络算法实现对气体浓度的定量检测。实验室中以丙酮、乙醇作为实验目标气体,并配置了相应的小浓度气体样本对设计的仪器进行混合气体检测。实验结果表明,仪器对二元混合气体的平均识selleck合成别率达到了97.72%,对混合气体定量分析的平均误差仅有2.28%。经过测试,本仪器实现了对乙醇和丙酮二元混合气体采集、检测和分析的功能,为后续的疾病早期检测提供了基础。