在中醫(yī)的悠久歷史中相貫通，望、聞科技實力、問開展試點、切四診法是診斷疾病的重要手段。其中可靠保障，嗅診通過辨別患者身體散發(fā)的氣味來輔助診斷規劃，有著數(shù)千年的應(yīng)用歷史。然而共同，由于氣體的不穩(wěn)定性與易揮發(fā)性發展，嗅診在客觀化和數(shù)字化的研究進(jìn)程中面臨諸多挑戰(zhàn)，發(fā)展相對緩慢在此基礎上。近年來優勢與挑戰，隨著科技的飛速發(fā)展集成應用，仿生嗅覺技術(shù)為中醫(yī)嗅診的數(shù)字化帶來了新的契機，為深入探究這一現(xiàn)象問題分析，科研人員引入了 AIRSENSE 電子鼻技術(shù)迎來新的篇章，試圖解鎖中醫(yī)嗅診背后的氣味密碼。

01AIRSENSE 電子鼻技術(shù)原理
AIRSENSE 電子鼻采用了先進(jìn)的 MOS 傳感器陣列技術(shù) 不負眾望。以其經(jīng)典的 PEN3 型電子鼻為例共同學習，它配備了 10 個不同的金屬氧化物傳感器，這些傳感器如同人類嗅覺系統(tǒng)中的不同嗅覺受體推動並實現，各自對特定種類或范圍的氣體具有敏感性 。當(dāng)氣體分子接觸到傳感器表面時，會發(fā)生物理或化學(xué)反應(yīng)更加完善，導(dǎo)致傳感器的電學(xué)性能（如電阻薄弱點、電容等）發(fā)生變化 。傳感器將這種變化轉(zhuǎn)化為電信號輸出精準調控，不同氣體引發(fā)的不同傳感器響應(yīng)模式效高，就構(gòu)成了該氣體特別的 “氣味指紋" 。通過模式識別算法和數(shù)學(xué)分析方法優化程度，電子鼻能夠?qū)@些 “氣味指紋" 進(jìn)行解析和比對發展需要，從而實現(xiàn)對氣體的定性判斷和定量預(yù)測 。

02中醫(yī)嗅診數(shù)字化實驗

1研究設(shè)計和數(shù)據(jù)采集
選取 107 名慢性肺炎患者（男 67 例全方位，女 40 例，30-75 歲）和 88 名健康志愿者（男 50 例實踐者，女 38 例管理，30-55 歲），使用 PEN3 電子鼻進(jìn)行口腔氣味檢測豐富。
實驗嚴(yán)格規(guī)范采集流程：
采集時間限定于上午 8:00-12:00，確保生理狀態(tài)一致性；
受試者需提前 1 小時禁食禁飲善於監督，并用純凈水漱口大局，排除外界干擾；
通過消毒氣體存儲袋收集 1000mL 呼氣樣本數據，常溫保存后轉(zhuǎn)移至實驗室檢測效率和安。
檢測環(huán)境控制在溫度 25℃、濕度 < 85% 的條件下邁出了重要的一步，每次采樣 120 秒去創新，傳感器沖洗 180 秒，每份樣本連續(xù)采集 12 次應用創新，最終獲得 2340 個數(shù)據(jù)文件體系，構(gòu)建起包含 120s×10 傳感器維度的氣味數(shù)據(jù)庫足夠的實力。
2氣味響應(yīng)曲線
氣味樣品經(jīng)PEN3電子鼻檢測后，得到響應(yīng)曲線見圖1提高。圖1顯示全面闡釋，傳感器W5S(S2）反應(yīng)靈敏，病患者1號和病患者2號的S2響應(yīng)值為18.5~21.9結構；健康者1號和健康者2號的S2響應(yīng)值為13.7~15.8適應性強。

3智能分析系統(tǒng)構(gòu)建
研究團隊基于 Python 技術(shù)框架，結(jié)合 BP 神經(jīng)網(wǎng)絡(luò)算法構(gòu)建嗅診分析系統(tǒng)：
數(shù)據(jù)預(yù)處理：利用 Pandas 庫將二維數(shù)組形式的傳感器數(shù)據(jù)轉(zhuǎn)換為統(tǒng)一格式拓展基地，標(biāo)記患病狀態(tài)（1 = 患病綜合措施，0 = 健康）；
神經(jīng)網(wǎng)絡(luò)設(shè)計：采用四層結(jié)構(gòu)（輸入層處理、兩層隱藏層攜手共進、輸出層），通過對比 Relu自然條件、Sigmoid擴大公共數據、Tanh 等激活函數(shù)與 Binary_crossentropy、Mse 等損失函數(shù)的組合效果體系流動性，確定模型參數(shù)設計標準；
系統(tǒng)實現(xiàn)：結(jié)合 PyQT5 與 QT Designer 技術(shù)，開發(fā)出具備數(shù)據(jù)導(dǎo)入助力各行、指紋圖譜查看及智能預(yù)測功能的可視化界面經過，實現(xiàn)從氣味數(shù)據(jù)到診斷結(jié)果的一鍵式分析。
4實驗結(jié)果
嗅診分析系統(tǒng)訓(xùn)練：通過對比不同激活函數(shù)（Relu互動互補、Sigmoid核心技術體系、Tanh）和損失函數(shù)（Binary_crossentropy、Mse）的組合力度，發(fā)現(xiàn)以 relu 為激活函數(shù)新產品、binary_crossentropy 為損失函數(shù)、adam 為優(yōu)化器的 BP 神經(jīng)網(wǎng)絡(luò)模型表現(xiàn)最佳持續發展。
系統(tǒng)測試：使用 30% 的測試集（342 個數(shù)據(jù)文件）進(jìn)行測試更加廣闊，預(yù)測準(zhǔn)確率達(dá) 99.1%，其中 90 個健康者數(shù)據(jù)和 249 個患者數(shù)據(jù)預(yù)測正確深入。

03結(jié)論

該研究基于仿生嗅覺技術(shù)形式，利用AIRSENSE電子鼻和BP神經(jīng)網(wǎng)絡(luò)算法構(gòu)建的嗅診分析系統(tǒng)，為中醫(yī)嗅診的數(shù)字化方法研究提供了參考一站式服務，為中醫(yī)四診的客觀化有效性、數(shù)字化發(fā)展提供了新手段和新方向。