相关实验视频
Updated: May 7, 2026
06:27
Fast and Accurate Exhaled Breath Ammonia Measurement
Published on: June 11, 2014
13.9K
基于RBFNN的PPy/GaN传感器阵列具有广泛的动态范围和亚ppb检测,用于精确识别人类呼气中的氨
Zhengyang Jia1,2, Weili Wang3, Dan Han4,5
1Shanxi Key Laboratory of Micro Nano Sensors & Artificial Intelligence Perception, College of Integrated Circuits, Taiyuan University of Technology, Taiyuan, 030024, China.
Microsystems & nanoengineering
|December 31, 2025
概括
这项研究开发了一种聚烯/化 (PPy/GaN) 气体传感器,用于检测呼吸中的氨 (NH3). 传感器显示出高灵敏度和稳定性,有助于早期发现慢性病 (CKD) 等疾病.
科学领域:
- 材料科学 材料科学 材料科学
- 纳米技术纳米技术
- 化学工程是化学工程的重要组成部分.
背景情况:
- 在人类呼吸中检测氨 (NH3) 对于早期疾病诊断至关重要.
- 聚合物复合纳米材料提供高性能NH3气体传感能力.
- 慢性病 (CKD) 的诊断可以通过呼吸分析来改善.
研究的目的:
- 合成和制造用于NH3气体传感的聚烯 (PPy) 和化 (GaN) 纳米结构.
- 评估PPy/GaN传感器的气体传感性能,包括检测范围,耐湿性和稳定性.
- 通过机器学习验证传感器在人类呼气中检测NH3的灵敏度和准确性.
主要方法:
- 金属有机化学蒸气沉积 (MOCVD) 和现场氧化聚合被用来合成PPy/GaN纳米结构.
- 制造PPy/GaN气体传感器.
- 系统分析气体传感性能,包括室温检测范围 (100ppb-1000ppm).
- 使用传感器阵列进行人类呼吸分析和机器学习算法进行预测的验证.
主要成果:
- PPy/GaN-1传感器表现出超宽的NH3检测范围,具有出色的耐湿性和长期稳定性.
- 由于均的薄膜分布,GaN和PPy之间的最佳协同作用有助于提高性能.
- 在呼吸样本上使用机器学习实现了低度气体 (1.17 ppm误差) 的高精度预测.
结论:
- 开发的PPy/GaN气体传感器显示出在人类呼吸中敏感而稳定的NH3检测的巨大潜力.
- 这项技术可以有助于开发非侵入性早期预警系统,用于诸如CKD之类的疾病.
- 纳米材料,先进制造和机器学习的结合为呼吸分析提供了有前途的方法.
