在中醫(yī)的悠久歷史中，望、聞、問、切四診法是診斷疾病的重要手段。其中，嗅診通過辨別患者身體散發(fā)的氣味來輔助診斷，有著數(shù)千年的應(yīng)用歷史。然而，由于氣體的不穩(wěn)定性與易揮發(fā)性，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(duì)緩慢。近年來，隨著科技的飛速發(fā)展，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(jī)，為深入探究這一現(xiàn)象，科研人員引入了 AIRSENSE 電子鼻技術(shù)，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) 。以其經(jīng)典的 PEN3 型電子鼻為例，它配備了 10 個(gè)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，各自對(duì)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(shí)，會(huì)發(fā)生物理或化學(xué)反應(yīng)，導(dǎo)致傳感器的電學(xué)性能（如電阻、電容等）發(fā)生變化 。傳感器將這種變化轉(zhuǎn)化為電信號(hào)輸出，不同氣體引發(fā)的不同傳感器響應(yīng)模式，就構(gòu)成了該氣體特別的 “氣味指紋" 。通過模式識(shí)別算法和數(shù)學(xué)分析方法，電子鼻能夠?qū)@些 “氣味指紋" 進(jìn)行解析和比對(duì)，從而實(shí)現(xiàn)對(duì)氣體的定性判斷和定量預(yù)測(cè) 。

02中醫(yī)嗅診數(shù)字化實(shí)驗(yàn)

1研究設(shè)計(jì)和數(shù)據(jù)采集
選取 107 名慢性肺炎患者（男 67 例，女 40 例，30-75 歲）和 88 名健康志愿者（男 50 例，女 38 例，30-55 歲），使用 PEN3 電子鼻進(jìn)行口腔氣味檢測(cè)。
實(shí)驗(yàn)嚴(yán)格規(guī)范采集流程：
采集時(shí)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(shí)禁食禁飲，并用純凈水漱口，排除外界干擾；
通過消毒氣體存儲(chǔ)袋收集 1000mL 呼氣樣本，常溫保存后轉(zhuǎn)移至實(shí)驗(yàn)室檢測(cè)。
檢測(cè)環(huán)境控制在溫度 25℃、濕度 < 85% 的條件下，每次采樣 120 秒，傳感器沖洗 180 秒，每份樣本連續(xù)采集 12 次，最終獲得 2340 個(gè)數(shù)據(jù)文件，構(gòu)建起包含 120s×10 傳感器維度的氣味數(shù)據(jù)庫。
2氣味響應(yīng)曲線
氣味樣品經(jīng)PEN3電子鼻檢測(cè)后，得到響應(yīng)曲線見圖1。圖1顯示，傳感器W5S(S2）反應(yīng)靈敏，病患者1號(hào)和病患者2號(hào)的S2響應(yīng)值為18.5~21.9；健康者1號(hào)和健康者2號(hào)的S2響應(yīng)值為13.7~15.8。

3智能分析系統(tǒng)構(gòu)建
研究團(tuán)隊(duì)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，標(biāo)記患病狀態(tài)（1 = 患病，0 = 健康）；
神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)：采用四層結(jié)構(gòu)（輸入層、兩層隱藏層、輸出層），通過對(duì)比 Relu、Sigmoid、Tanh 等激活函數(shù)與 Binary_crossentropy、Mse 等損失函數(shù)的組合效果，確定模型參數(shù)；
系統(tǒng)實(shí)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、指紋圖譜查看及智能預(yù)測(cè)功能的可視化界面，實(shí)現(xiàn)從氣味數(shù)據(jù)到診斷結(jié)果的一鍵式分析。
4實(shí)驗(yàn)結(jié)果
嗅診分析系統(tǒng)訓(xùn)練：通過對(duì)比不同激活函數(shù)（Relu、Sigmoid、Tanh）和損失函數(shù)（Binary_crossentropy、Mse）的組合，發(fā)現(xiàn)以 relu 為激活函數(shù)、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。
系統(tǒng)測(cè)試：使用 30% 的測(cè)試集（342 個(gè)數(shù)據(jù)文件）進(jìn)行測(cè)試，預(yù)測(cè)準(zhǔn)確率達(dá) 99.1%，其中 90 個(gè)健康者數(shù)據(jù)和 249 個(gè)患者數(shù)據(jù)預(yù)測(cè)正確。

03結(jié)論

該研究基于仿生嗅覺技術(shù)，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，為中醫(yī)四診的客觀化、數(shù)字化發(fā)展提供了新手段和新方向。