AIRSENSE电子鼻解锁中医嗅诊数字化方法研究

在中医的悠久历史中，望、闻、问、切四诊法是诊断疾病的重要手段。其中，嗅诊通过辨别患者身体散发的气味来辅助诊断，有着数千年的应用历史。然而，由于气体的不稳定性与易挥发性，嗅诊在客观化和数字化的研究进程中面临诸多挑战，发展相对缓慢。近年来，随着科技的飞速发展，仿生嗅觉技术为中医嗅诊的数字化带来了新的契机，为深入探究这一现象，科研人员引入了 AIRSENSE 电子鼻技术，试图解锁中医嗅诊背后的气味密码。

01AIRSENSE 电子鼻技术原理
AIRSENSE 电子鼻采用了先进的 MOS 传感器阵列技术 。以其经典的 PEN3 型电子鼻为例，它配备了 10 个不同的金属氧化物传感器，这些传感器如同人类嗅觉系统中的不同嗅觉受体，各自对特定种类或范围的气体具有敏感性 。当气体分子接触到传感器表面时，会发生物理或化学反应，导致传感器的电学性能（如电阻、电容等）发生变化 。传感器将这种变化转化为电信号输出，不同气体引发的不同传感器响应模式，就构成了该气体特别的 “气味指纹" 。通过模式识别算法和数学分析方法，电子鼻能够对这些 “气味指纹" 进行解析和比对，从而实现对气体的定性判断和定量预测 。

02中医嗅诊数字化实验

1研究设计和数据采集
选取 107 名慢性肺炎患者（男 67 例，女 40 例，30-75 岁）和 88 名健康志愿者（男 50 例，女 38 例，30-55 岁），使用 PEN3 电子鼻进行口腔气味检测。
实验严格规范采集流程：
采集时间限定于上午 8:00-12:00，确保生理状态一致性；
受试者需提前 1 小时禁食禁饮，并用纯净水漱口，排除外界干扰；
通过消毒气体存储袋收集 1000mL 呼气样本，常温保存后转移至实验室检测。
检测环境控制在温度 25℃、湿度 < 85% 的条件下，每次采样 120 秒，传感器冲洗 180 秒，每份样本连续采集 12 次，最终获得 2340 个数据文件，构建起包含 120s×10 传感器维度的气味数据库。
2气味响应曲线
气味样品经PEN3电子鼻检测后，得到响应曲线见图1。图1显示，传感器W5S(S2）反应灵敏，病患者1号和病患者2号的S2响应值为18.5~21.9；健康者1号和健康者2号的S2响应值为13.7~15.8。

3智能分析系统构建
研究团队基于 Python 技术框架，结合 BP 神经网络算法构建嗅诊分析系统：
数据预处理：利用 Pandas 库将二维数组形式的传感器数据转换为统一格式，标记患病状态（1 = 患病，0 = 健康）；
神经网络设计：采用四层结构（输入层、两层隐藏层、输出层），通过对比 Relu、Sigmoid、Tanh 等激活函数与 Binary_crossentropy、Mse 等损失函数的组合效果，确定模型参数；
系统实现：结合 PyQT5 与 QT Designer 技术，开发出具备数据导入、指纹图谱查看及智能预测功能的可视化界面，实现从气味数据到诊断结果的一键式分析。
4实验结果
嗅诊分析系统训练：通过对比不同激活函数（Relu、Sigmoid、Tanh）和损失函数（Binary_crossentropy、Mse）的组合，发现以 relu 为激活函数、binary_crossentropy 为损失函数、adam 为优化器的 BP 神经网络模型表现最佳。
系统测试：使用 30% 的测试集（342 个数据文件）进行测试，预测准确率达 99.1%，其中 90 个健康者数据和 249 个患者数据预测正确。

03结论

该研究基于仿生嗅觉技术，利用AIRSENSE电子鼻和BP神经网络算法构建的嗅诊分析系统，为中医嗅诊的数字化方法研究提供了参考，为中医四诊的客观化、数字化发展提供了新手段和新方向。