基于虚拟气体传感器阵列的电子鼻设计_技术

　　1 引言

　　本文提出一种基于虚拟气体传感器阵列的新型无创的用于检测肺癌的电子鼻。该电子鼻包含一个由固相微萃取(solid phase microextracTIon，SPME)和毛细管柱(gas chromatography，GC)组成的前处理装置来实现病人呼吸气体中VOCs的浓缩吸附、脱附和分离，随后通过一个表面涂覆聚异丁稀薄膜差动结构的SAW传感器对分离后的有机气体成分进行定量检测(图1)。

　　2 呼吸检测电子鼻系统的设计

　　肺癌病人的呼吸气体中含有的大部分VOCs的浓度非常低(10-9～10-12mol/L)，实验采用惰性Tedlar集气袋和SPME采集、预富集呼吸气体，利用薄膜技术提高SAW传感器的灵敏度，最后采用改进的人工神经网络算法结合图像技术来识别肺癌病人。

　　SAW传感器是由广泛应用的ST切型LiNbO3晶体制成的。传感器的中心频率为51.92 MHz，带宽2.131 MHz，较好的Q值为24.36，衰减为7.85 dB。一对传感器中的一个表面涂覆PIB薄膜作为工作传感器，而另一个表面没有涂覆薄膜的传感器作为基准传感器。

　　实验用GC- SAW电子鼻系统结合了虚拟SAW传感器阵列的概念和图像识别方法，对肺癌病人、正常人和老慢支病人的呼出气体进行了检测，确定了11种VOCs为肺癌特征气体，即苯乙烯(styrene)、癸烷(decane)、异戊二烯(isoprene)、苯(benzene)、十一烷(undecane)、1-己烯(1-hexene)、己醛(hex-anal)、丙基苯(propyl benzene)、1，2，4-三甲基苯(1，2，4-trimethyl benzene)、庚醛(heptanal)、甲基环戊烷(methyl cyclopentane)。

　　图2为一个SAW传感器在检测肺癌患者呼吸气体时的频谱响应。它对苯乙烯响应的灵敏度为3.24 ng/Hz。

　　3 肺癌细胞代谢VOCs检测

　　对于选定的11种肺癌特征VOCs气体来说，实验证实了这些VOCs气体跟肺癌的相关性很大。结果表明，该电子鼻能够很好地检测出肺癌病人呼吸气体内的这些VOCs气体种类和含量，肺癌病人的诊断率在75%以上。为了能更精确地确定肺癌患者的特征性气体，参考病理解释，进行了细胞水平的对比实验，用该电子鼻对肺癌细胞培养液中VOCs进行了检测。将肺癌组织和同体的正常肺部组织标本，分别进行细胞培养。获取细胞培养后的培养液，进行SPME萃取，用GC 进行分析。如图3所示的是用GC所得的肺癌细胞培养液和正常肺部细胞培养液的谱图，与正常细胞相比，确定肺癌细胞的新陈代谢气体中有特异性气体存在。其中一例肺癌细胞和同体癌旁正常肺部细胞培养液分析结果如图4所示。对比二者的峰形图，可以发现虽然在峰高上存在差异，但出峰位置几乎全都相同，相似的分析结果让人怀疑该例癌旁正常肺部组织其实已经发生了癌变。实验对培养的细胞进行了电镜观察，发现医生判断的正常肺部细胞图像，已经出现了细胞重叠现象，这是正常细胞所不会出现的。可见肉眼无法正确判断的已经发生癌变的肺部组织通过我们的实验方法也能被识别出来，所以该实验的结果对于呼吸气体进行肺癌的早期初筛有非常重要的意义。