【技术实现步骤摘要】
实验室电子鼻和车舱内小型化电子鼻及糖尿病的初筛方法
[0001]本专利技术属糖尿病检测
,具体涉及一种实验室电子鼻和车舱内小型化电子鼻及糖尿病的初筛方法。
技术介绍
[0002]随着人们生活质量的提升,生活作息规律也发生了翻天覆地的变化,身体健康在一定程度上受到了影响。日常不良的饮食习惯将诱发糖尿病的出现,糖尿病是一种以高血糖为特征的代谢性疾病,长期高血糖将导致如眼、肾、心脏等身体组织的慢性损害与功能障碍。糖尿病及其相关疾病当下已经成为世界范围内的健康问题,引起了广泛关注。
[0003]因糖尿病导致血糖水平不正常而引发的交通事故时有发生,在机动车事故中,糖尿病患者驾驶员所占比例更高。糖尿病患者驾驶时更危险的原因主要在于糖尿病并发症的影响,例如嗜睡、视觉障碍、周围神经病变导致的知觉下降和脑血管疾病产生的认知障碍等,将极大影响驾驶员的驾驶能力。糖尿病患者还有较高概率患上脚部溃疡,可能会损害个人踩踏脚踏板的能力,使其不能稳定及时地控制油门和刹车。此外,糖尿病患者还很容易发生低血糖。由于糖尿病患者长期依靠药物来降低血糖,而胰岛素或其他降糖药物的用量过高,很容易使血糖水平处于过低状态,进而导致低血糖。低血糖会引起头痛、视力模糊、意识障碍等症状,甚至会产生昏迷,从而导致驾驶员反应时间变慢与认知功能下降,影响驾驶员的正常驾驶。
[0004]正常的血糖水平能保证交通安全,有的国家通过限制驾驶执照期限和范围的法律法规,对糖尿病驾驶员实行了限制,特别是驾驶大型货车或公共载客车辆的驾驶员。因此,监测车辆驾驶员的糖尿病 ...
【技术保护点】
【技术特征摘要】
1.一种实验室电子鼻和小型化电子鼻,其特征在于:所述的实验室电子鼻(A)由进气管Ⅰ(1)、N个(3≤N≤32)气体传感器阵列Ⅰ(2)、传感器腔室Ⅰ(3)、连接管Ⅰ(4)、出气管Ⅰ(5)、气泵Ⅰ(6)、调理电路板Ⅰ(7)、数据采集卡(8)和USB输出接口(9)组成,其中,传感器腔室Ⅰ(3)和气泵Ⅰ(6)前后排列,传感器腔室Ⅰ(3)入口与进气管Ⅰ(1)后端连接;传感器腔室Ⅰ(3)出口经连接管Ⅰ(4)与气泵Ⅰ(6)入口连接,气泵Ⅰ(6)出口与出气管Ⅰ(5)连接;N个气体传感器阵列Ⅰ(2)均匀环绕并固定于传感器腔室Ⅰ(3)内壁,并经调理电路板Ⅰ(7)与数据采集卡(8)连接,数据采集卡(8)上设有USB输出接口(9);所述的小型化电子鼻(B)由无线数据采集卡(17)、调理电路板Ⅱ(16)、气泵Ⅱ(15)、出气管Ⅱ(14)、连接管Ⅱ(13)、传感器腔室Ⅱ(12)、n个(3≤n≤32)气体传感器阵列Ⅱ(11)和进气管Ⅱ(10)组成,其中,气泵Ⅱ(15)和传感器腔室Ⅱ(12)前后排列,传感器腔室Ⅱ(12)入口与进气管Ⅱ(10)后端连接,传感器腔室Ⅱ(12)出口经连接管Ⅱ(13)与气泵Ⅱ(15)入口连接;气泵Ⅱ(15)出口与出气管Ⅱ(14)连接;n个气体传感器阵列Ⅱ(11)均匀环绕并固定于传感器腔室Ⅱ(12)内,并经调理电路板Ⅱ(16)与无线数据采集卡(17)连接。2.基于权利要求1所述实验室电子鼻和车舱内小型化电子鼻进行糖尿病初筛的方法,其特征在于:包括下列步骤:1)将实验室电子鼻(A)的进气管Ⅰ(1)入口与待测气体存放的气袋连接,检测后的气体经出气管Ⅰ(5)排出;数据采集卡(8)采集的数据通过USB输出接口(9)与电脑端连接;2)糖尿病患者与健康乘员气味信息分类和获取,包括下列步骤:2.1)根据在汽车上的实际情况,将气味种类分为:“糖尿病患者呼出气”和“健康志愿者呼出气”,分别记为G1和G2;2.2)健康志愿者的呼吸气体样本,在早上未进食的情况下采集,健康志愿者提供包含血糖水平信息的血液样本,由医生利用葡萄糖氧化酶法估计其相应的血糖值;将糖尿病患者呼出气G1,用1L的气体采集袋收集;将健康志愿者呼出气G2,用1L的气体采集袋收集;2.3)实验室电子鼻(A)的采样频率设置为100Hz;每次采样分为气味样本数据采集和传感器阵列清洗两个阶段,采样时间分别设置为T1和T2,总采样时间记为T;2.4)将G1气体采集袋与实验室电子鼻(A)的进气管Ⅰ(1)入口连接,将待测气体通过流速为1.2L/min的气泵,吸入到安装有传感器的传感器腔室Ⅰ(3)内,并使用实验室电子鼻(A)进行采样,获取气味样本数据;将G2气体采集袋与实验室电子鼻(A)的进气管Ⅰ(1)入口连接,并获取气味样本数据;将由G1和G2得到的气味样本数据分别记为G1样本和G2样本;3)利用步骤2.4)采集的气味样本数据,使用粒子群算法进行传感器阵列优化,以减少传感器个数,实现电子鼻的小型化,包括下列步骤:3.1)对N个气体传感器阵列Ⅰ(2)获得的原始数据,利用db1基小波的离散小波变换方法,重建原始呼吸气味样本数据,去除信号噪声,预处理后的信号表示为:DWT(u,w)=<x(t),ψ
u,w
(T)>其中:x(t)为原始信号,u为尺度参数,w为移位参数,ψ是母小波;处理后的数据,记为di,其中:i=1、2、3
…
100T1,预处理后的样本数据分别记为g1样本和g2样本;3.2)对预处理降噪后的信号使用两种方法进行特征提取;第一种方法是从传感器原始
响应中直接提取特征,第二种方法是在使用傅里叶变换后进行特征提取;利用第一种方法,分别从每个传感器响应信号中提取5个特征,分别为平均值、标准差、峭度指标、偏度、波形因素;平均值计算公式:标准差计算公式:峭度指标计算公式:偏度计算公式:波形因素计算公式:3.3)使用三种排序算法:XGBoost、LightGBM和ExtraTrees,对特征重要性进行排序,选出最有希望的特征组成特征子集;3.4)使用...
【专利技术属性】
技术研发人员:常志勇,常学智,翁小辉,徐琳,姚宗伟,李革红,任丽丽,郭丽,李默,
申请(专利权)人:吉林大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。