研究背景:人类呼吸过程中,肺泡与肺泡毛细血管通过气体弥散作用实现血气交换,血液中某些化学物质由此进入呼出气体中,进而反映人体新陈代谢情况及疾病的发生发展。对呼出气体中化学成分进行检测,能够在无创、无痛的前提下,反映相应组织细胞的代谢改变,进而对疾病的诊断提供依据,或对病情发展进行实时监测。因此,人类呼出气体实验符合临床检验无创、快速、床旁的发展要求,是检验医学一个重要的发展方向。现已研究表明,呼出气体中多种成分与疾病有密切的相关性。比如,呼出气体中的丁烷、癸烷可作为肺癌诊断的标志物,一氧化氮可用于哮喘检测,丙酮用于糖尿病病情监测,氨气可用于尿毒症病情判断等。因此,对呼出气体中化合物成分进行检测具有重要的临床意义。研究目的:对呼出气体中化合物进行检测有多种方法,包括传统的质谱、色谱分析法及新兴的气体传感器技术等。其中,声表面波(surface acoustic wave,SAW)传感器技术具有高灵敏度和实时检测能力,同时具备易于集成化和实现自动分析的特点,是检测呼出气体中化学物质含量的理想备选方法。研究方法:理想的SAW气体传感器应具有良好的敏感性,同时保证其检测的特异性。但是,由于SAW传感器部件精密,参数众多,设计复杂,既往研究仍无标准的制作参数,因此SAW气体传感器敏感性仍需进一步改进。另外,提升传感器特异性及检测效果的一个有效策略是应用传感器阵列,而传感器阵列的成功运行则需要人工神经网络技术提供数据分析平台。目前研究尚无良好的用于SAW气体传感器阵列分析的人工神经网络模型。综上所述,构建SAW实验平台并优化传感器敏感性及使用人工神经网络模型设计分析SAW气体传感器阵列是两个重要的研究方向。研究结果:基于上述两个重要的科学问题,本研究从以下两方面开展相关实验,一方面,从设计SAW芯片、制备敏感膜、改构测试系统等方面对SAW气体传感器进行优化,成功构建了SAW气体检测平台并设计制作了一种新型SAW氨气传感器。另一方面,本研究成功设计了一种人工神经网络模型,用于分析基于由不同厚度敏感膜构成的传感器阵列检测所得的数据。现将研究结果简述如下:(1)优化SAW芯片的设计制作。本研究采用ST-石英和双端对谐振器结构,将SAW谐振器中心频率设定为500MHz。设置输入输出换能器指对数为100对,指条宽度1.58μm,孔径50λ,反射栅500条,采用剥离工艺制作厚度100nm铝膜。通过该设计,得到了体积小、频率稳定、易于集成化操作的SAW芯片。(2)优化敏感膜的制备工艺。本研究选用聚苯胺为敏感膜材料,使用旋涂机涂膜,以3000r/min的转速将溶解的聚苯胺均匀地涂覆在已制备SAW插指换能器的基片上,并以扫描电镜技术明确敏感膜制备情况。(3)优化传感器测试系统并在此基础上成功搭建SAW气体检测实验平台。改进气体实验系统与电信号采集、处理系统的集成,使气体检测循环时间大大缩短,在增加气体检测敏感性的同时保持其检测的特异性。(4)成功设计用于气体传感器阵列分析的人工神经网络模型。以Matlab R2010b平台为基础,构建由不同厚度氨气敏感膜组成的传感器阵列,对气体浓度及传感器响应频率进行归一化,采用二维网格搜索法,明确了Goal(目标误差)和Spread(用于优化径向基的性能)的最佳参数。以标准化处理的数据作为RBF神经网络输入向量,氨气实际浓度作为输出向量,构建了用于传感器阵列数据分析的人工神经网络技术平台。结论:成功搭建了SAW气体检测试验平台,设计了一种新型的声表面波氨气传感器,其性能更加稳定,敏感性更好。同时设计了用于传感器阵列分析的人工神经网络模型,为声表面波气体传感器应用于临床提供了依据。