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,，有著數千年的應用歷史,。然而，由于氣體的不穩(wěn)定性與易揮發(fā)性,，嗅診在客觀化和數字化的研究進程中面臨諸多挑戰(zhàn),，發(fā)展相對緩慢。近年來,，隨著科技的飛速發(fā)展,，仿生嗅覺技術為中醫(yī)嗅診的數字化帶來了新的契機,，為深入探究這一現象，科研人員引入了 AIRSENSE 電子鼻技術,，試圖解鎖中醫(yī)嗅診背后的氣味密碼,。

01AIRSENSE 電子鼻技術原理
AIRSENSE 電子鼻采用了先進的 MOS 傳感器陣列技術 。以其經典的 PEN3 型電子鼻為例,，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中的不同嗅覺受體，各自對特定種類或范圍的氣體具有敏感性 ,。當氣體分子接觸到傳感器表面時,，會發(fā)生物理或化學反應，導致傳感器的電學性能（如電阻,、電容等）發(fā)生變化 ,。傳感器將這種變化轉化為電信號輸出，不同氣體引發(fā)的不同傳感器響應模式,，就構成了該氣體特別的 “氣味指紋” ,。通過模式識別算法和數學分析方法，電子鼻能夠對這些 “氣味指紋” 進行解析和比對,，從而實現對氣體的定性判斷和定量預測 ,。

02中醫(yī)嗅診數字化實驗

1研究設計和數據采集
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 電子鼻進行口腔氣味檢測,。
實驗嚴格規(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，并用純凈水漱口,，排除外界干擾,；
通過消毒氣體存儲袋收集 1000mL 呼氣樣本，常溫保存后轉移至實驗室檢測,。
檢測環(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 個數據文件,，構建起包含 120s×10 傳感器維度的氣味數據庫,。
2氣味響應曲線
氣味樣品經PEN3電子鼻檢測后，得到響應曲線見圖1。圖1顯示,，傳感器W5S(S2）反應靈敏,，病患者1號和病患者2號的S2響應值為18.5~21.9；健康者1號和健康者2號的S2響應值為13.7~15.8,。

3智能分析系統構建
研究團隊基于 Python 技術框架,，結合 BP 神經網絡算法構建嗅診分析系統：
數據預處理：利用 Pandas 庫將二維數組形式的傳感器數據轉換為統一格式，標記患病狀態(tài)（1 = 患病,，0 = 健康）,；
神經網絡設計：采用四層結構（輸入層、兩層隱藏層,、輸出層）,，通過對比 Relu、Sigmoid,、Tanh 等激活函數與 Binary_crossentropy,、Mse 等損失函數的組合效果，確定模型參數,；
系統實現：結合 PyQT5 與 QT Designer 技術,，開發(fā)出具備數據導入、指紋圖譜查看及智能預測功能的可視化界面,，實現從氣味數據到診斷結果的一鍵式分析,。
4實驗結果
嗅診分析系統訓練：通過對比不同激活函數（Relu、Sigmoid,、Tanh）和損失函數（Binary_crossentropy,、Mse）的組合，發(fā)現以 relu 為激活函數,、binary_crossentropy 為損失函數,、adam 為優(yōu)化器的 BP 神經網絡模型表現最佳。
系統測試：使用 30% 的測試集（342 個數據文件）進行測試,，預測準確率達 99.1%,，其中 90 個健康者數據和 249 個患者數據預測正確。

03結論

該研究基于仿生嗅覺技術,，利用AIRSENSE電子鼻和BP神經網絡算法構建的嗅診分析系統,，為中醫(yī)嗅診的數字化方法研究提供了參考，為中醫(yī)四診的客觀化,、數字化發(fā)展提供了新手段和新方向,。