一种基于半导体气敏传感器阵列检测呼出气体装置的制作方法

文档序号:12657294阅读:553来源:国知局
一种基于半导体气敏传感器阵列检测呼出气体装置的制作方法

本发明涉及一种基于半导体气敏传感器阵列检测呼出气体装置。



背景技术:

呼出气体的检测和分析,作为一种新型的辅助诊断手段,在临床诊断和健康监测领域具有广阔的应用前景。人体内源性代谢的部分产物在肺泡通过气体交换出现在呼出气体中。各种内源性代谢产物组合,作为生物标志物,反应人体的健康状况,从而有助于疾病的早期筛查。近年来,在肺癌、COPD、哮喘、胃癌、肠癌、乳腺癌、头颈癌、幽门螺旋杆菌感染、老年痴呆、帕金森综合征等疾病中利用呼出气体检测来寻找特异性标志物的研究越来越多,呼出气体检测在肺癌早期诊断与相应肺癌分型中的应用已得到广泛的关注。在能量代谢的过程中以及氧化应激反应产生的内源性VOCs是疾病诊断检测的目标。现主要用于呼出气体检测的方法有:GC-MS、SIFT-MS、FAIMS、传统气敏传感器等,使用GC-MS、SIFT-MS和FAIMS检测方法,其装置体型大、成本高、结构复杂、分析时间长,难以实现实时监测和在线检测。

而传统气敏传感器多采用厚膜气体敏感材料,功耗大,灵敏度低,检测精度低,批量生产效率慢;单个传感器在使用时存在严重的“交叉敏感性”问题,出现气体选择性差、抗干扰能力弱、检测精度受限等弊端,仅能用于模糊识别,无法在复杂气体环境下完成多种敏感气体检测;运用传感器阵列辅助诊断肺癌或糖尿病的呼出气体检测方法,只局限于单一气体检测,不具备健康监测普适性。



技术实现要素:

为解决现有技术中存在的上述缺陷,本发明的目的在于提供一种基于半导体气敏传感器阵列检测呼出气体装置,实现非侵入性、无损伤、取样方便、低检测限、高精度、多气体同步和实时检测的呼出气体检测方法。

本发明是通过下述技术方案来实现的。

一种基于半导体气敏传感器阵列检测呼出气体装置,包括呼出气体收集模块、信号发生模块、信号处理模块和模式识别模块;

所述呼出气体收集模块,采用气体交换装置将呼出气体收集在气室中,将气体预热至合适温度,对气体湿度进行检测,已收集的呼出气体送至所述信号发生模块,气体湿度检测信号传递给所述模式识别模块;

所述信号发生模块,具有对气体选择性的半导体气敏传感器阵列,所述气室送来的呼出气体中的敏感气体与所述半导体气敏传感器阵列的气体敏感薄膜发生反应,将所检测敏感气体的浓度信息对应的半导体阻值变化转换为电压信号,将电压信号传递给所述信号处理模块;

所述信号处理模块,对所述电压信号进行放大、滤波处理后,经模数转换为数据信号传递给所述模式识别模块;

所述模式识别模块,使用模式识别方法对所采集数据中的气敏特性信息进行提取,将气敏特性信息进行训练和识别;最终识别出所述敏感气体的种类和浓度。

作为优选,所述半导体气敏传感器阵列包括呈分布的半导体气敏传感器,以及设置在半导体气敏传感器之间的分压电阻,分压电阻进行电压信号输出,输出的电压信号传递到信号处理模块;在所述半导体气敏传感器周边设有接线盘。

进一步,所述半导体气敏传感器包括硅基底以及设置在硅基底上的电极、加热元件和测温元件,电极、加热元件和测温元件上分别引出有与所述接线盘相连的引线盘;所述电极和加热元件分别通过呈螺旋线状的电极线和加热丝引出至引线盘。

进一步,所述分压电阻与半导体气敏传感器的数量对应,各分压电阻分别与对应的电极引线盘和接线盘串联连接,分压电阻两端分别连接到接线盘。

进一步,每个半导体气敏传感器上分别涂有不同材料形成的气体敏感薄膜,分别是ZnO、SnO、TiO2和In2O3,选择贵金属或稀土金属对不同材料进行掺杂,所述贵金属包括金、铂或银,所述稀土金属包括铒、镧或镱;掺杂量为半导体气体敏感材料的5%-10%。

进一步,所述气体敏感薄膜厚度为450~550nm。

作为优选,半导体气敏传感器阵列可同时检测四种以上敏感气体,利用不同半导体气敏材料对气体选择性不同的特性,其中一个传感器检测的目标气体是其他三个传感器检测的干扰气体,其他三个传感器检测的目标气体是这一个传感器检测的干扰气体,通过模式识别方法,得到准确目标气体浓度的同时补偿干扰气体的检测误差。

进一步,根据所述呼出气体中的若干VOCs成分的含量来检测所述敏感气体,其中作为生物标志物的VOCs成分包括苯、甲醛、乙烷、戊烷、乙醇、乙醛、乙腈、丙酮或异戊二烯;敏感气体检测可辅助诊断肺癌、哮喘、胃癌、幽门螺旋杆菌感染、糖尿病和神经退行性疾病。

进一步,所述模式识别模块采用人工神经网络算法进行识别。

进一步,所述模式识别模块对所采集数据中的半导体气体敏感薄膜响应时间、响应灵敏度和响应曲线特征进行提取。

本发明的有益效果:

基于半导体气敏传感器阵列检测呼出气体装置克服了传统的侵入式临床诊断方法的缺点,它具有无创性、无同位素、普适性、便携性、低成本、高准确性等优点。基于MEMS工艺的半导体气敏传感器体积小、半导体气体敏感薄膜厚度仅为500nm,检测精度高达100ppb。并且功耗低、对敏感气体响应灵敏度高,批量生产效率高成本低。本发明运用半导体气敏材料对气体选择性不同的特性,通过传感器阵列与模式识别方法结合克服交叉敏感性的干扰,达到多敏感气体同步且准确检测的目的,实现快速分析、在线检测等功能,可将最低检测限降低到10ppb。

附图说明

图1为本发明实施例的检测呼出气体装置原理框图;

图2为本发明实施例的检测呼出气体装置硬件结构图;

图3为本发明实施例的传感器阵列结构图;

图4为本发明实施例中的传感器结构示意图。

具体实施方式

下面结合附图和实施例对发明作进一步的详细说明,但并不作为对发明做任何限制的依据。

参阅图1所示,在一种实施例中,一种基于半导体气敏传感器阵列检测呼出气体装置,包括呼出气体收集模块、信号发生模块、信号处理模块和模式识别模块;呼出气体收集模块采用气体交换装置将呼出气体收集在气室中,将气体预热至合适温度,对气体湿度进行检测,已收集的呼出气体送至信号发生模块,气体湿度检测信号传递给模式识别模块。信号发生模块具有对气体选择性的半导体气敏传感器阵列,气室送来的呼出气体中的敏感气体与半导体气敏传感器阵列的气体敏感薄膜发生反应,将所检测敏感气体的浓度信息对应的半导体阻值变化转换为电压信号,将电压信号传递给所述信号处理模块。信号处理模块对电压信号进行放大、滤波等处理后,经模数转换为数据信号传递给模式识别模块。模式识别模块使用模式识别方法对所采集数据中的气敏特性信息进行提取,如半导体气体敏感薄膜响应时间、响应灵敏度、响应曲线特征,将气敏特性信息进行训练和识别;最终识别出敏感气体的种类和浓度。

如图2所示,一种基于半导体气敏传感器阵列检测呼出气体装置在硬件上包括气体收集气室、温度控制器、湿度检测器(三者包括在呼出气体收集模块中)、气体流量控制器、半导体气敏传感器阵列封装芯片(信号发生模块)、信号输出电路、信号调理电路(信号处理模块)和计算机(模式识别模块)。

如图3所示,在优选的实施例中,半导体气敏传感器阵列包括呈分布的半导体气敏传感器,以及设置在半导体气敏传感器之间的分压电阻5,分压电阻进行电压信号输出,输出的电压信号传递到信号处理模块;在半导体气敏传感器周边设有接线盘6。

如图3、4所示,半导体气敏传感器包括硅基底8以及设置在硅基底8上的电极2、加热元件3和测温元件4,电极2上引出有一对对称分布呈螺旋线状的电极线,并至电极引线盘9;加热元件3沿电极2侧引出有一对对称分布呈螺旋线状的加热丝,并至加热元件引线盘7,测温元件4在各半导体气敏传感器的外侧设置,并引出有测温元件引线盘10。上述引线盘均与接线盘6相连。

分压电阻5与半导体气敏传感器的数量对应,各分压电阻5分别与对应的电极引线盘9和接线盘6串联连接,分压电阻5两端分别连接到接线盘6。

硅基底8包括硅材料层11、二氧化硅材料层12和氮化硅材料层13,其中,由氮化硅材料层13、二氧化硅材料层12和硅材料层11组合构成支撑基底,在支撑基底上依次设有二氧化硅材料层12和氮化硅材料层13。电极2上覆盖有半导体气体敏感薄膜1,气体敏感薄膜厚度为450~550nm。各传感器设置在单独硅基底上,根据半导体气体敏感薄膜1材料特性输出最佳响应温度。

图3所示,在优选的实施例中,半导体气敏传感器阵列含有四个半导体气敏传感器,每个半导体气敏传感器上分别涂有以下不同材料形成的气体敏感薄膜,气体敏感薄膜厚度为500nm。分别是ZnO、SnO、TiO2和In2O3四种半导体气体敏感材料,每种半导体气体敏感材料选择一种贵金属(如金、铂、银)或稀土金属(如铒、镧、镱)进行掺杂,掺杂量为半导体气体敏感材料的5%-10%,掺杂目的是改善气体敏感材料的气体选择性和响应灵敏度,同时降低最佳响应温度。

根据呼出气体中的若干VOCs成分的含量来检测所述敏感气体,其中作为生物标志物的VOCs成分包括苯、甲醛、乙烷、戊烷、乙醇、乙醛、乙腈、丙酮或异戊二烯。优选以甲醛、乙醇、丙酮和异戊二烯作为主要的生物标志物。可辅助诊断肺癌、哮喘、胃癌、幽门螺旋杆菌感染、糖尿病和神经退行性疾病。

利用不同半导体气体敏感材料对气体选择性不同的特性,半导体气敏传感器阵列可同时检测四种以上敏感气体,利用不同半导体气敏材料对气体选择性不同的特性,从四个半导体气敏传感器输出信号中提取敏感气体的特征信息,其中一个传感器检测的目标气体是其他三个传感器检测的干扰气体,其他三个传感器检测的目标气体是这一个传感器检测的干扰气体,通过模式识别方法区分目标气体响应和干扰气体响应,消除交叉敏感性干扰,得到准确目标气体浓度的同时补偿干扰气体的检测误差。

如图3所示,半导体气敏传感器阵列在硬件上包括信号调理电路。信号处理模块对信号进行包括放大、滤波、去噪、基线修正在内的处理,后经模数转换为数字信号,再传送给所述模数转换模块。模式识别方法可以采用本领域技术人员熟知的人工神经网络算法进行训练和识别。

本发明并不局限于上述实施例,在本发明公开的技术方案的基础上,本领域的技术人员根据所公开的技术内容,不需要创造性的劳动就可以对其中的一些技术特征作出一些替换和变形,这些替换和变形均在本发明的保护范围内。

当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1