專利名稱：可辨識(shí)肺炎種類的呼吸器及其辨識(shí)芯片及其辨識(shí)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種用于氣體辨識(shí)的電子裝置，具體涉及一種具備能夠辨識(shí)混合氣體種類的微型化氣體辨識(shí)芯片，來(lái)早期檢測(cè)并辨識(shí)病人所感染的肺炎種類的呼吸器。
背景技術(shù)：
重癥病患在進(jìn)入加護(hù)病房后，經(jīng)常需要接受插管以及使用呼吸器，如此，病人的呼吸道就很容易受到感染，進(jìn)而引發(fā)肺炎，發(fā)生這種情況的比率可能高達(dá)80%以上。這些細(xì)菌有很多已經(jīng)具有抗藥性，故治療上更加的困難。當(dāng)病人出現(xiàn)肺炎的癥狀時(shí)，醫(yī)療人員則會(huì)幫病人照胸部X光、抽血、抽痰并進(jìn)行分子生物學(xué)的細(xì)菌培養(yǎng)。然而，即使醫(yī)療人員已由抽血、抽痰及胸部X光確認(rèn)病人已經(jīng)感染肺炎，引發(fā)肺炎的菌種還是要等待細(xì)菌培養(yǎng)的結(jié)果才能確定，而細(xì)菌培養(yǎng)需要至少五天的時(shí)間，這對(duì)分秒必爭(zhēng)的重癥病患來(lái)說(shuō)是一段很長(zhǎng)的時(shí)間。由于現(xiàn)行的醫(yī)療技術(shù)中缺乏能夠?qū)崟r(shí)診斷病人感染的肺炎種類的儀器，醫(yī)師常需要在細(xì)菌培養(yǎng)的結(jié)果尚未出來(lái)前就必須要先對(duì)病人用藥。然而，引發(fā)肺炎的細(xì)菌至少有十余種(如綠膿桿菌、克雷式桿菌、AB菌及葡萄球菌等)，而不同的菌種所對(duì)應(yīng)的藥是不同的。因此，在細(xì)菌培養(yǎng)的結(jié)果尚未出來(lái)前，醫(yī)師僅能根據(jù)自己的經(jīng)驗(yàn)法則來(lái)決定使用哪一種藥物，直到細(xì)菌培養(yǎng)的結(jié)果后，若是藥用得不對(duì)，再幫病人換藥。病人由于上述醫(yī)療上無(wú)可避免的拖延，導(dǎo)致病人在加護(hù)病房的時(shí)間延長(zhǎng)，故增加病人院內(nèi)感染，甚至致死的機(jī)率。因此，如何提出一種電子裝置，能夠?qū)崟r(shí)地偵測(cè)并診斷出病人所感染的肺炎種類，即為本發(fā)明所要解決的問(wèn)題。

發(fā)明內(nèi)容

本發(fā)明提供了一種可辨識(shí)肺炎種類的呼吸器及其辨識(shí)芯片及其辨識(shí)方法，以解決現(xiàn)有技術(shù)中醫(yī)療檢測(cè)系統(tǒng)無(wú)法實(shí)時(shí)檢測(cè)出病人感染的肺炎種類的問(wèn)題。為實(shí)現(xiàn)上述目的，本發(fā)明提出了一種氣體辨識(shí)芯片，其特點(diǎn)是，上述芯片包含:一傳感器陣列，其包含若干個(gè)傳感器及傳感薄膜，傳感薄膜吸附若干種待測(cè)氣體，使各個(gè)傳感器產(chǎn)生對(duì)應(yīng)于各個(gè)待測(cè)氣體的氣味信號(hào)；一傳感器接口電路，其讀取并分析各個(gè)待測(cè)氣體的氣味信號(hào)，以產(chǎn)生對(duì)應(yīng)于各個(gè)待測(cè)氣體的氣體圖案信號(hào)；一隨機(jī)類神經(jīng)網(wǎng)絡(luò)芯片，其放大各個(gè)氣體圖案信號(hào)之間的差異，并降低各個(gè)氣體圖案信號(hào)的維度，以協(xié)助產(chǎn)生分析結(jié)果；一內(nèi)存，其儲(chǔ)存訓(xùn)練數(shù)據(jù)；一微控制器，其接收分析結(jié)果，并根據(jù)分析結(jié)果執(zhí)行混合氣體辨識(shí)方法來(lái)辨識(shí)待測(cè)氣體的種類，且將不存在于訓(xùn)練數(shù)據(jù)的未知?dú)怏w分類，再根據(jù)訓(xùn)練數(shù)據(jù)產(chǎn)生辨識(shí)結(jié)果。一種氣體辨識(shí)方法，其特點(diǎn)是，上述方法包含以下步驟:利用傳感器陣列的傳感薄膜吸附若干種待測(cè)氣體，使傳感器陣列的各個(gè)傳感器產(chǎn)生對(duì)應(yīng)于各個(gè)待測(cè)氣體的氣味信號(hào)；由傳感器接口電路讀取并分析各個(gè)待測(cè)氣體的氣味信號(hào)，以產(chǎn)生對(duì)應(yīng)于各個(gè)待測(cè)氣體的氣體圖案信號(hào)；透過(guò)隨機(jī)類神經(jīng)網(wǎng)絡(luò)芯片放大各個(gè)氣體圖案信號(hào)之間的差異，并降低各個(gè)氣體圖案信號(hào)的維度，以產(chǎn)生分析結(jié)果；由內(nèi)存儲(chǔ)存氣體訓(xùn)練數(shù)據(jù)；以及經(jīng)由微控制器接收分析結(jié)果，并根據(jù)分析結(jié)果執(zhí)行混合氣體辨識(shí)方法來(lái)辨識(shí)待測(cè)氣體的種類，且將不存在于訓(xùn)練數(shù)據(jù)的未知?dú)怏w分類，再根據(jù)訓(xùn)練數(shù)據(jù)產(chǎn)生辨識(shí)結(jié)果。優(yōu)選地，傳感薄膜可以利用納米孔洞碳材所構(gòu)成，并將具氣體吸附能力的高分子成長(zhǎng)于納米孔洞碳材的孔洞中。優(yōu)選地，當(dāng)微控制器偵測(cè)到未知?dú)怏w時(shí)，微控制器可將未知?dú)怏w的數(shù)據(jù)傳送到傳感器接口電路、隨機(jī)類神經(jīng)網(wǎng)絡(luò)芯片及內(nèi)存，使氣體辨識(shí)芯片能夠有自我學(xué)習(xí)的能力。優(yōu)選地，混合氣體辨識(shí)方法可包含K最鄰近法(K Nearest Neighbors, KNN)、線性回歸法(Linear Least Squares Regression)及以中位數(shù)作為臨界值的K最鄰近法(Median-Threshold KNN Classification, MTKNN)，其中，以中位數(shù)作為臨界值的K最鄰近法是先求出氣體 訓(xùn)練數(shù)據(jù)中各筆數(shù)據(jù)兩兩之間的距離，再找出這些距離的中位數(shù)，并利用中位數(shù)來(lái)判定待測(cè)氣體是否為未知?dú)怏w。優(yōu)選地,傳感器陣列可由導(dǎo)電聚合物(Conducting Polymer, CP)傳感器所構(gòu)成。優(yōu)選地,導(dǎo)電聚合物傳感器接口電路可利用單程多晶娃懸浮柵(Floating Gate)組件來(lái)儲(chǔ)存電荷，以減少漏電及降低電路功率。優(yōu)選地,傳感器陣列可由表面聲波(surface acoustic wave, SAW)傳感器所構(gòu)成。優(yōu)選地，傳感器接口電路可包含可調(diào)式震蕩電路，其可根據(jù)不同表面聲波傳感器來(lái)調(diào)整震蕩頻率，增加使用上的彈性。一種運(yùn)用上述的氣體辨識(shí)芯片的可早期偵測(cè)及辨識(shí)肺炎種類的呼吸器，其特點(diǎn)是，呼吸器包含吐氣端管路及氣體辨識(shí)裝置，氣體辨識(shí)裝置利用上述的氣體辨識(shí)芯片來(lái)分析病人由吐氣端管路中呼出的氣體以辨識(shí)肺炎的種類。優(yōu)選地，氣體辨識(shí)裝置可直接連接于病人體外的吐氣端管路，并采集病人呼出的氣體以進(jìn)行辨識(shí)。承上所述，依本發(fā)明的可早期偵測(cè)及辨識(shí)肺炎種類的呼吸器及其氣體辨識(shí)芯片及其氣體辨識(shí)方法和現(xiàn)有技術(shù)相比，其可具有一或多個(gè)下述優(yōu)點(diǎn):(I)本發(fā)明的氣體辨識(shí)芯片使用納米孔洞碳材來(lái)構(gòu)成傳感薄膜，并將具氣體吸附能力的高分子成長(zhǎng)于納米孔洞碳材的孔洞中，因此能夠有效地提高氣體偵測(cè)的靈敏度、氣體選擇性及偵測(cè)極限。(2)本發(fā)明的可早期偵測(cè)及辨識(shí)肺炎種類的呼吸器的氣體辨識(shí)芯片使用隨機(jī)類神經(jīng)網(wǎng)絡(luò)芯片對(duì)氣體圖案信號(hào)做前處理，因此能夠大幅地提高辨識(shí)的精確度，并降低系統(tǒng)的運(yùn)算量及功耗。(3)本發(fā)明的可早期偵測(cè)及辨識(shí)肺炎種類的呼吸器的氣體辨識(shí)芯片使用具有強(qiáng)健性(Robustness)及適應(yīng)性(Adaption)的方法，因此可以有效地辨識(shí)混合氣體，并將未知的氣體分類。(4)本發(fā)明的可早期偵測(cè)及辨識(shí)肺炎種類的呼吸器的氣體辨識(shí)芯片的傳感器接口電路利用單程多晶硅懸浮柵(Floating Gate)組件來(lái)儲(chǔ)存電荷，因此能夠減少漏電及降低電路功率。(5)本發(fā)明的可早期偵測(cè)及辨識(shí)肺炎種類的呼吸器的氣體辨識(shí)芯片的傳感器接口電路包含可調(diào)式震蕩電路，可根據(jù)不同表面聲波傳感器來(lái)調(diào)整震蕩頻率，因此能增加使用上的彈性。
(6)本發(fā)明利用系統(tǒng)單芯片的方式來(lái)實(shí)現(xiàn)氣體辨識(shí)芯片，因此大幅地降低氣體辨識(shí)裝置的體積，故可以集成在呼吸器上以實(shí)時(shí)偵測(cè)每一位病人所所患的肺炎種類，以幫助醫(yī)師做出正確的診斷，也可應(yīng)用于其它可攜式的電子裝置，以執(zhí)行多種不同的功能。


圖1為本發(fā)明可早期偵測(cè)及辨識(shí)肺炎種類的呼吸器的模塊圖；圖2為本發(fā)明氣體辨識(shí)芯片的以中位數(shù)作為臨界值的K最鄰近法的示意圖；圖3A為本發(fā)明氣體辨識(shí)芯片的導(dǎo)電聚合物傳感器接口的一實(shí)施例的電路圖；圖3B為本發(fā)明氣體辨識(shí)芯片的導(dǎo)電聚合物傳感器接口的一實(shí)施例的操作方式圖；圖3C為本發(fā)明氣體辨識(shí)芯片的導(dǎo)電聚合物傳感器接口的一實(shí)施例的懸浮柵組件圖；圖4A為本發(fā)明氣體辨識(shí)芯片的表面聲波傳感器接口電路的可調(diào)式震蕩電路的一實(shí)施例的電路圖；圖4B為本發(fā)明氣體辨識(shí)芯片的表面聲波傳感器接口電路的一實(shí)施例的模塊圖；圖5為本發(fā)明氣體辨識(shí) 芯片的隨機(jī)類神經(jīng)網(wǎng)絡(luò)芯片的示意圖；圖6A、6B及6C為本發(fā)明可早期偵測(cè)及辨識(shí)肺炎種類的呼吸器的一實(shí)施例的實(shí)際應(yīng)用不意圖；以及，圖7為本發(fā)明可早期偵測(cè)及辨識(shí)肺炎種類的呼吸器的氣體辨識(shí)方法的流程圖。
具體實(shí)施例方式以下將參照相關(guān)附圖，說(shuō)明依本發(fā)明可早期偵測(cè)及辨識(shí)肺炎種類的呼吸器及其氣體辨識(shí)芯片及其氣體辨識(shí)方法的實(shí)施例，為使便于理解，下列所述實(shí)施例中的相同組件系以相同的符號(hào)標(biāo)示來(lái)說(shuō)明。如圖1所示，為本發(fā)明可早期偵測(cè)及辨識(shí)肺炎種類的呼吸器的模塊圖。如圖所示，可早期偵測(cè)及辨識(shí)肺炎種類的呼吸器I包含吐氣端管路11及氣體辨識(shí)裝置12。氣體辨識(shí)裝置12是利用氣體辨識(shí)芯片13來(lái)分析病人由吐氣端管路11所呼出的混合氣體以辨識(shí)病人所患的肺炎種類。所述氣體辨識(shí)芯片13包含傳感器陣列131、傳感器接口電路132、隨機(jī)類神經(jīng)網(wǎng)絡(luò)芯片133、內(nèi)存134及微控制器135。微控制器135連接傳感器接口電路132、隨機(jī)類神經(jīng)網(wǎng)絡(luò)芯片133及內(nèi)存134并控制其運(yùn)作。傳感器陣列131包含若干個(gè)傳感器及傳感薄膜，傳感薄膜能夠吸附病人所呼出的由若干種待測(cè)氣體所組成的混合氣體，并經(jīng)由傳感器陣列131中的各個(gè)傳感器來(lái)產(chǎn)生對(duì)應(yīng)于各個(gè)待測(cè)氣體的氣味信號(hào)。優(yōu)選地，傳感薄膜可利用納米孔洞碳材所構(gòu)成，并將具氣體吸附能力的高分子成長(zhǎng)于納米孔洞碳材的孔洞中，通過(guò)選擇不同種類的高分子材料可以合成出更多樣化、且更高密度官能基的納米復(fù)合材料。以這種方式達(dá)成的傳感薄膜能大幅提高其氣體偵測(cè)的靈敏度、氣體選擇性及偵測(cè)極限。其中，傳感器陣列可包含導(dǎo)電聚合物(Conducting Polymer,CP)傳感器或表面聲波(surface acoustic wave, SAW)傳感器。而傳感器接口電路132則讀取并分析傳感器陣列所傳送而來(lái)的氣味信號(hào)，以產(chǎn)生對(duì)應(yīng)于各個(gè)待測(cè)氣體的氣體圖案信號(hào)1321。其中，傳感器陣列131可通過(guò)整個(gè)陣列對(duì)于混合氣體的集體反應(yīng)，并經(jīng)由傳感器接口電路132來(lái)產(chǎn)生對(duì)應(yīng)于各個(gè)待測(cè)氣體的氣體圖案信號(hào)1321。隨機(jī)類神經(jīng)網(wǎng)絡(luò)芯片133則能放大各個(gè)氣體圖案信號(hào)1321之間的差異，并降低各個(gè)氣體圖案信號(hào)1321的維度，以產(chǎn)生分析結(jié)果1331。另外，隨機(jī)類神經(jīng)網(wǎng)絡(luò)芯片133可利用學(xué)習(xí)方法，采集獲取信號(hào)的主要特征，進(jìn)而提供一個(gè)比原始信號(hào)維度低的輸出，以減低后端系統(tǒng)的運(yùn)算量。內(nèi)存134則儲(chǔ)存了訓(xùn)練數(shù)據(jù)1341，訓(xùn)練數(shù)據(jù)1341則包含了導(dǎo)致肺炎的各種細(xì)菌所產(chǎn)生的氣體數(shù)據(jù)及其它可能出現(xiàn)的氣體數(shù)據(jù)。而微控制器135則接收分析結(jié)果1331，并根據(jù)分析結(jié)果1331執(zhí)行混合氣體辨識(shí)方法1351來(lái)辨識(shí)待測(cè)氣體的種類，且將不存在于訓(xùn)練數(shù)據(jù)1341的未知?dú)怏w分類，再根據(jù)訓(xùn)練數(shù)據(jù)1341產(chǎn)生辨識(shí)結(jié)果1352。更進(jìn)一步的，當(dāng)微控制器135偵測(cè)到不存在于訓(xùn)練數(shù)據(jù)1341中的未知?dú)怏w時(shí)，會(huì)自動(dòng)將此未知?dú)怏w分類,并且將此未知?dú)怏w的數(shù)據(jù)傳送給傳感器接口電路132、隨機(jī)類神經(jīng)網(wǎng)絡(luò)芯片133及內(nèi)存134。這樣一來(lái)，傳感器接口電路132則可根據(jù)未知?dú)怏w的數(shù)據(jù)來(lái)進(jìn)行辨識(shí)，隨機(jī)類神經(jīng)網(wǎng)絡(luò)芯片133也可以根據(jù)此未知?dú)怏w的數(shù)據(jù)來(lái)重新訓(xùn)練，而內(nèi)存134之訓(xùn)練數(shù)據(jù)1341也可以藉此來(lái)增加新的類別。值得一提的是，由于導(dǎo)致肺炎的細(xì)菌生長(zhǎng)時(shí)會(huì)產(chǎn)生代謝物，其中也包括氣體在內(nèi)，不同的細(xì)菌的代謝物所產(chǎn)生的氣體也不相同，而病房?jī)?nèi)可能包含其它與肺炎無(wú)關(guān)的氣體。因此，微控制器需要執(zhí)行混合氣體方法來(lái)有效地辨識(shí)出導(dǎo)致肺炎的細(xì)菌所產(chǎn)生的氣體及與肺炎無(wú)關(guān)的氣體，再與訓(xùn)練數(shù)據(jù)比對(duì)，以辨識(shí)病人所患的肺炎種類。本發(fā)明所提出的混合氣體方法在混合氣體中包含未知?dú)怏w時(shí)，仍然能夠有效地辨識(shí)混合氣體中已知的各個(gè)成份，微控制器在當(dāng)一未知?dú)怏w頻頻出現(xiàn)時(shí)，更能夠自動(dòng)判斷并分類為新的類別，因此，本發(fā)明所提出的氣體辨識(shí)芯片具有強(qiáng)健性(Robustness)及適應(yīng)性(Adaption)的特性。優(yōu)選地，本發(fā)明的混合氣體方法可包含K最鄰近法(K Nearest Neighbors,KNN)、線性回歸法(Linear Least Squares Regression)及以中位數(shù)作為臨界值的K最鄰近法(Median-Threshold KNN Classification, MTKNN)。K最鄰近法可用于氣體信號(hào)的初步分類，其根據(jù)待測(cè)氣體的反應(yīng)信號(hào)與訓(xùn)練數(shù)據(jù)中的氣體數(shù)據(jù)間的相似程度來(lái)辨識(shí)待測(cè)氣體的種類。若是待測(cè)氣體與訓(xùn)練數(shù)據(jù)中所有的氣體數(shù)據(jù)之差值都大于一個(gè)臨界點(diǎn)，則系統(tǒng)會(huì)將此未知?dú)怏w分類為一種新的氣體并加以儲(chǔ)存。K最鄰近法可將待測(cè)氣體歸類到最相似的訓(xùn)練氣體，以了解不同成份的混合氣體的相似性，然后以混合氣體所在的位置，找出與其距離較近的純氣體，藉以判斷此混合氣體的成份。線性回歸法則可用于估測(cè)混合氣體中各個(gè)成份的濃度。如圖2所示，為本發(fā)明氣體辨識(shí)芯片的以中位數(shù)作為臨界值的K最鄰近法的示意圖。為了能夠更有效地對(duì)未知?dú)怏w做分類，氣體辨識(shí)芯片必須要有一個(gè)有效地排除機(jī)制以避免誤判，本發(fā)明提出創(chuàng)新的以中位數(shù)作為臨界值的K最鄰近法來(lái)判定待測(cè)氣體是否為未知?dú)怏w。以中位數(shù)作為臨界值的K最鄰近法是先求出訓(xùn)練數(shù)據(jù)中的每個(gè)類別的各筆訓(xùn)練數(shù)據(jù)兩兩之間的距離，然后找出這些距離的中位數(shù)做為臨界值。當(dāng)執(zhí)行氣體辨識(shí)時(shí)，則使用K最鄰近法找出最接近此待測(cè)氣體的K的鄰居，求出待測(cè)氣體與這K個(gè)鄰居的中位數(shù)，此中位數(shù)必須小于臨界值，若大于此臨界值則視為未知?dú)怏w。圖2中所示的是K = 3，class = 2的分類步驟，首先需計(jì)算待測(cè)數(shù)據(jù)與所有訓(xùn)練數(shù)據(jù)的距離，由于K = 3，故需先找出離此待測(cè)數(shù)據(jù)最近的三個(gè)鄰居，由于待測(cè)數(shù)據(jù)的三個(gè)鄰居有二個(gè)為白色類別，因此，此待測(cè)數(shù)據(jù)被判定為白色類別，且此待測(cè)數(shù)據(jù)與3個(gè)鄰居的距離的中位數(shù)(虛線箭頭)必須小于白色類別的臨界值。因此，本發(fā)明混合氣體辨識(shí)方法集成以中位數(shù)作為臨界值的K最鄰近法不但能夠準(zhǔn)確地檢測(cè)出混合氣體中已知?dú)怏w的成份,更能夠判斷出混合氣體中未知?dú)怏w的成份,并加以分類。因此，本發(fā)明的混合氣體方法具強(qiáng)健性及適應(yīng)性。如圖3A并結(jié)合圖3B及圖3C所示，分別為本發(fā)明氣體辨識(shí)芯片的導(dǎo)電聚合物傳感器接口的一實(shí)施例的電路圖、操作方式示意圖，及懸浮柵組件圖。本發(fā)明的傳感器陣列可包含導(dǎo)電聚合物傳感器。如圖3A所示，本發(fā)明提出以單程多晶硅懸浮柵(Floating Gate)組件來(lái)取代儲(chǔ)存電荷使用的電容與電阻，因此可以形成一個(gè)僅由二個(gè)晶體管、一個(gè)放大器和一個(gè)懸浮柵組件的導(dǎo)電聚合物傳感器的接口電路，可達(dá)到低功率的功耗及解決模擬方式所產(chǎn)生的嚴(yán)重漏電現(xiàn)象，其電路動(dòng)作則如圖3B所示。圖3C則圖例了懸浮柵組件的一種實(shí)施例的示意圖，此組件的控制柵是以場(chǎng)效晶體管電容Ccg來(lái)實(shí)現(xiàn)，將PMOS的源極、漏極及基極端相連，以此端點(diǎn)來(lái)耦合懸浮柵與通道上的電荷。并使用0D2光罩來(lái)增加氧化硅厚度(約7nm)，以增加組件的數(shù)據(jù)保久度(DataRetention)。優(yōu)選的，可使用PMOS作為操作晶體管，如此即可在較小的操作電流下，完成寫入的動(dòng)作，以減少功率的消耗，并且能夠得到最佳的組件穩(wěn)定度。晶體管Ctun可用來(lái)抹除懸浮柵上的電子，以較小的尺寸制作能達(dá)到較小的耦合比(Coupling Ratio)，以增加其抹除效率。圖中Metal-1為金屬層，P-MP為P型離子布植，0D2為厚氧化層，Poly為多晶硅。如圖4A并結(jié)合圖4B所示，圖4A為本發(fā)明氣體辨識(shí)芯片的表面聲波傳感器接口電路的可調(diào)式震蕩電路的一個(gè)實(shí)施例的電路圖；圖4B為本發(fā)明氣體辨識(shí)芯片的表面聲波傳感器接口電路的一個(gè)實(shí)施例的模塊圖。本發(fā)明的傳感器陣列可包含表面聲波(surfaceacoustic wave, SAW)傳感器。由于一般的表面聲波傳感器的震蕩電路均設(shè)計(jì)在特定的頻率之下，因此其使用上有很大的限制。因此，本發(fā)明提出一可調(diào)式震蕩電路，可根據(jù)不同表面聲波傳感器來(lái)調(diào)整震蕩頻率，因此能增加使用上的彈性，圖4A中則例舉了一個(gè)正反饋震蕩方式的可調(diào)式高頻震蕩電路。如圖4B所示了一個(gè)表面聲波傳感器接口電路的一實(shí)施例的模塊圖。優(yōu)選的，每一個(gè)表面聲波組件單位可由二個(gè)表面聲波組件所構(gòu)成，這是基于電路上差動(dòng)的原理，能有效地消除環(huán)境對(duì)表面聲波傳感器的影響，例如壓力、溫度及濕度等等。如圖中所示，每一個(gè)表面聲波傳感單元由二個(gè)表面聲波組件所組成，一個(gè)為傳感組件(Sensing Element),由指撥開關(guān)選擇；另一個(gè)為參考組件(Reference Element),每一個(gè)表面聲波組件都有其相應(yīng)的震蕩電路。上述二組件經(jīng)過(guò)混頻器(Mixer)，產(chǎn)生頻率不同的信號(hào)^+4及&_4。經(jīng)過(guò)低通濾波器(LPF)后，輸出信號(hào)只剩下fMf-fin，也就是頻率改變的部份。此信號(hào)經(jīng)由一比較器(Comparator)產(chǎn)生方波,通過(guò)觸發(fā)頻率讀取模塊(Frequency Read Out)中的數(shù)字邏輯柵，而將頻率改變的信號(hào)輸出，以進(jìn)行進(jìn)一步的處理。如此可以達(dá)到低的功率及優(yōu)選的頻率分辨率。如圖5所示，為本發(fā)明氣體辨識(shí)芯片的隨機(jī)類神經(jīng)網(wǎng)絡(luò)芯片的示意圖。如圖所示，本發(fā)明將隨 機(jī)類神經(jīng)網(wǎng)絡(luò)芯片集成在呼吸器的氣體辨識(shí)裝置中，隨機(jī)類神經(jīng)網(wǎng)絡(luò)芯片能夠?qū)鞲衅鞯臍怏w圖案信號(hào)做維度的降低，并放大不同種類氣體間的差異性，最后再執(zhí)行混合氣體辨識(shí)方法，使氣體辨識(shí)裝置能夠?qū)Σ》恐谐煞輳?fù)雜的混合氣體做穩(wěn)健的辨識(shí)。優(yōu)選的，隨機(jī)類神經(jīng)網(wǎng)絡(luò)芯片可以集成連續(xù)值局限型波茲曼模型(ContinuousRestricted Boltzmann Machine, CRBM),其已實(shí)現(xiàn)成模塊化的模擬芯片系統(tǒng),并有數(shù)篇相關(guān)的文獻(xiàn)可以參考，如陳新所提出的Lu, C.C.and Chen,H.,“A Scalable and ProgrammableProbabilistic Generative Model in VLSI，，，submitted to IEEE Trans, on NeuralNetworks,2010.及 Lu,C.C.and Chen, H.,^Current-mode Computation with Noise in aScalable and Programmable Probabilistic Neural VLSI System” 等等。因此本發(fā)明提出以連續(xù)值局限型波茲曼模型為基礎(chǔ)的隨機(jī)類神經(jīng)網(wǎng)絡(luò)芯片，并集成到應(yīng)用于呼吸器的氣體辨識(shí)芯片中，使氣體辨識(shí)芯片能夠處理多噪聲且變異量大的生醫(yī)信號(hào)。以連續(xù)值局限型波茲曼模型對(duì)氣體信號(hào)做前處理，能夠使穩(wěn)健的放大不同類信號(hào)的差異，并學(xué)習(xí)信號(hào)分布的主要特征，以得到比原始信號(hào)維度低的輸出，有效降低后端處理器的運(yùn)算量。另外，連續(xù)值局限型波茲曼模型具備學(xué)習(xí)能力，能夠?qū)Σ煌瑐鞲衅髋c氣體組成或長(zhǎng)間使用后傳感器的漂移，來(lái)適時(shí)調(diào)適模型參數(shù)以保持穩(wěn)健的辨識(shí)能力。如圖6A并結(jié)合圖6B及圖6C所示，為本發(fā)明可早期偵測(cè)及辨識(shí)肺炎種類的呼吸器的一實(shí)施例的實(shí)際應(yīng)用示意圖。在圖6A中，加護(hù)病房中的病人使用本發(fā)明可早期偵測(cè)及辨識(shí)肺炎種類的呼吸器6來(lái)進(jìn)行偵測(cè)。在圖6B中，醫(yī)師發(fā)現(xiàn)病人已感染肺炎，并利用集成在呼吸器中的氣體辨識(shí)裝置62來(lái)分析病人呼出的氣體，以判斷病人所感染的肺炎種類并立即進(jìn)行治療，如圖中所示，氣體辨識(shí)裝置62可直接設(shè)置于吐氣端管路內(nèi)部，亦可連接于病人體外的吐氣端管路，以采集病人呼出的氣體以進(jìn)行辨識(shí)。本發(fā)明是以系統(tǒng)單芯片的方式來(lái)實(shí)現(xiàn)氣體辨識(shí)系統(tǒng)，因此亦可以達(dá)到低電壓、低功耗及具辨識(shí)功能的可攜式電子裝置，如圖6C所示。在另一方面，本發(fā)明更將氣體辨識(shí)系統(tǒng)集成到呼吸器中，以幫助醫(yī)師對(duì)感染肺炎的病人做最實(shí) 時(shí)的診斷，因此本發(fā)明確實(shí)具有進(jìn)步性的專利條件。優(yōu)選的，氣體辨識(shí)裝置62直接連接于病人體外的吐氣端管路，并直接采集病人呼出的氣體以進(jìn)行辨識(shí)。更進(jìn)一步的是，本發(fā)明氣體辨識(shí)芯片更執(zhí)行各種不同的氣體檢測(cè)工作。例如，用于檢測(cè)海鮮等食品的新鮮度，或檢測(cè)買到的酒是否為假酒；更可應(yīng)用于檢測(cè)衣物及桌椅等用品是否包含有害的化學(xué)物質(zhì)，或是公共空間中是否含有害的氣體等；甚至可以應(yīng)用于尋找天災(zāi)后之罹難者的尸體，因此，本發(fā)明確實(shí)具有產(chǎn)業(yè)利用性的專利條件。盡管上述在說(shuō)明本發(fā)明可早期偵測(cè)及辨識(shí)肺炎種類的呼吸器及其氣體辨識(shí)芯片的過(guò)程中，亦已同時(shí)說(shuō)明本發(fā)明可早期偵測(cè)及辨識(shí)肺炎種類的呼吸器的氣體辨識(shí)方法的概念，但為求清楚起見，以下仍另附流程圖詳細(xì)說(shuō)明。如圖7所示，為本發(fā)明可早期偵測(cè)及辨識(shí)肺炎種類的呼吸器的氣體辨識(shí)方法的流程圖。在步驟S71中，利用傳感器陣列的傳感薄膜吸附若干種待測(cè)氣體，使傳感器陣列的各個(gè)傳感器產(chǎn)生對(duì)應(yīng)于各個(gè)待測(cè)氣體的氣味信號(hào)。在步驟S72中，通過(guò)傳感器接口電路讀取并分析各個(gè)待測(cè)氣體的氣味信號(hào)，以產(chǎn)生對(duì)應(yīng)于各個(gè)待測(cè)氣體的氣體圖案信號(hào)。在步驟S73中，透過(guò)隨機(jī)類神經(jīng)網(wǎng)絡(luò)芯片放大各個(gè)氣體圖案信號(hào)之間的差異，并降低各個(gè)氣體圖案信號(hào)的維度，以產(chǎn)生分析結(jié)果。在步驟S74中，由內(nèi)存儲(chǔ)存訓(xùn)練數(shù)據(jù)。
在步驟S75中，經(jīng)由微控制器接收分析結(jié)果，并根據(jù)分析結(jié)果執(zhí)行混合氣體辨識(shí)方法來(lái)辨識(shí)待測(cè)氣體的種類，且將不存在于訓(xùn)練數(shù)據(jù)的未知?dú)怏w分類，再根據(jù)訓(xùn)練數(shù)據(jù)產(chǎn)生辨識(shí)結(jié)果。本發(fā)明可早期偵測(cè)及辨識(shí)肺炎種類的呼吸器的氣體辨識(shí)方法的詳細(xì)說(shuō)明以及實(shí)施方式已于前面敘述本發(fā)明可早期偵測(cè)及辨識(shí)肺炎種類的呼吸器及其氣體辨識(shí)芯片時(shí)描述過(guò)，在此為了簡(jiǎn)略說(shuō)明便不再重復(fù)敘述。綜上所述，本發(fā)明使用隨機(jī)類神經(jīng)網(wǎng)絡(luò)芯片做前處理，因此可大幅降低系統(tǒng)的運(yùn)算量及功耗，并提高氣體辨識(shí)的正確度。另外，本發(fā)明利用具有強(qiáng)健性及適應(yīng)性的混合氣體辨識(shí)方法，因此不但能夠準(zhǔn)確的辨識(shí)已知?dú)怏w，更能夠分類未知?dú)怏w，使本發(fā)明的系統(tǒng)能夠有自我學(xué)習(xí)的能力。再者，本發(fā)明利用系統(tǒng)單芯片的方式來(lái)實(shí)現(xiàn)氣體辨識(shí)系統(tǒng)，大幅地減少氣體辨識(shí)系統(tǒng)所需要的體積，因此可以集成在呼吸器中，不但能夠幫助醫(yī)師診斷病人所感染的肺炎種類，更可以集成在可攜式電子裝置中執(zhí)行各種不同的用途?？梢姳景l(fā)明在突破現(xiàn)有技術(shù)下，確實(shí)已達(dá)到所欲增進(jìn)的功效，且也非熟悉該項(xiàng)技術(shù)者所易于思及，其所具有的創(chuàng)造性、實(shí)用性，顯然已符合專利的申請(qǐng)要件，于是依法提出專利申請(qǐng)，懇請(qǐng)貴局核準(zhǔn)本件發(fā)明專利申請(qǐng)案，以勵(lì)創(chuàng)作，至感德便。盡管本發(fā)明的內(nèi)容已經(jīng)通過(guò)上述優(yōu)選實(shí)施例作了詳細(xì)介紹，但應(yīng)當(dāng)認(rèn)識(shí)到上述的描述不應(yīng)被認(rèn)為是對(duì)本發(fā)明的限制。在本領(lǐng)域技術(shù)人員閱讀了上述內(nèi)容后，對(duì)于本發(fā)明的多種修改和替代都將是顯而易 見的。因此，本發(fā)明的保護(hù)范圍應(yīng)由所附的權(quán)利要求來(lái)限定。
權(quán)利要求
1.一種氣體辨識(shí)芯片，其特征在于，該芯片包含: 一傳感器陣列，其包含若干個(gè)傳感器及一傳感薄膜，所述傳感薄膜吸附若干種待測(cè)氣體，使各個(gè)所述傳感器產(chǎn)生對(duì)應(yīng)于各個(gè)所述待測(cè)氣體的一氣味信號(hào)； 一傳感器接口電路，其讀取并分析各個(gè)所述待測(cè)氣體的所述氣味信號(hào)，以產(chǎn)生對(duì)應(yīng)于各個(gè)所述待測(cè)氣體的一氣體圖案信號(hào)； 一隨機(jī)類神經(jīng)網(wǎng)絡(luò)芯片，其放大各個(gè)所述氣體圖案信號(hào)之間的差異，并降低各個(gè)所述氣體圖案信號(hào)的維度，以產(chǎn)生一分析結(jié)果； 一內(nèi)存，其儲(chǔ)存一氣體訓(xùn)練數(shù)據(jù)； 一微控制器，其接收所述分析結(jié)果，并根據(jù)所述分析結(jié)果執(zhí)行一混合氣體辨識(shí)方法來(lái)辨識(shí)所述待測(cè)氣體的種類，且將不存在于所述氣體訓(xùn)練數(shù)據(jù)的一未知?dú)怏w分類，再根據(jù)所述氣體訓(xùn)練數(shù)據(jù)產(chǎn)生一辨識(shí)結(jié)果。
2.如權(quán)利要求1所述的氣體辨識(shí)芯片，其特征在于，所述傳感薄膜是以一納米孔洞碳材所構(gòu)成，并將具氣體吸附能力的高分子成長(zhǎng)于所述納米孔洞碳材的孔洞中。
3.如權(quán)利要求1所述的氣體辨識(shí)芯片，其特征在于，當(dāng)所述微控制器偵測(cè)到所述未知?dú)怏w時(shí)，所述微控制器則將所述未知?dú)怏w的數(shù)據(jù)傳送至所述隨機(jī)類神經(jīng)網(wǎng)絡(luò)芯片及所述內(nèi)存，使所述氣體辨識(shí)芯片能夠有自我學(xué)習(xí)的能力。
4.如權(quán)利要求3所述的氣體辨識(shí)芯片，其特征在于，所述混合氣體辨識(shí)方法包含K最鄰近法、線性回歸法及以中位數(shù)作為臨界值的K最鄰近法，其中，以中位數(shù)作為臨界值的K最鄰近法是先求出所述氣體訓(xùn)練數(shù)據(jù)中各筆數(shù)據(jù)兩兩之間的距離，再找出這些距離的一中位數(shù)，并利用所述中位數(shù)來(lái)判定所述待測(cè)氣體是否為所述未知?dú)怏w。
5.如權(quán)利要求1或4所述 的氣體辨識(shí)芯片，其特征在于，所述傳感器陣列是由導(dǎo)電聚合物傳感器所構(gòu)成。
6.如權(quán)利要求1或4所述的氣體辨識(shí)芯片，其特征在于，所述傳感器陣列是由表面聲波傳感器所構(gòu)成。
7.如權(quán)利要求5所述的氣體辨識(shí)芯片，其特征在于，所述傳感器接口電路是利用一單程多晶硅懸浮柵組件來(lái)儲(chǔ)存電荷，以減少漏電及降低電路功率。
8.如權(quán)利要求6所述的氣體辨識(shí)芯片，其特征在于，所述傳感器接口電路包含一可調(diào)式震蕩電路，其可根據(jù)不同表面聲波傳感器來(lái)調(diào)整震蕩頻率，增加使用上的彈性。
9.一種氣體辨識(shí)方法，其特征在于，該方法包含以下步驟: 利用一傳感器陣列的一傳感薄膜吸附若干種待測(cè)氣體，使所述傳感器陣列的各個(gè)所述傳感器產(chǎn)生對(duì)應(yīng)于各個(gè)所述待測(cè)氣體的一氣味信號(hào)； 通過(guò)一傳感器接口電路讀取并分析各個(gè)所述待測(cè)氣體的所述氣味信號(hào)，以產(chǎn)生對(duì)應(yīng)于各個(gè)所述待測(cè)氣體的一氣體圖案信號(hào)； 透過(guò)一隨機(jī)類神經(jīng)網(wǎng)絡(luò)芯片放大各個(gè)所述氣體圖案信號(hào)之間的差異，并降低各個(gè)所述氣體圖案信號(hào)的維度，以產(chǎn)生一分析結(jié)果； 由一內(nèi)存儲(chǔ)存一氣體訓(xùn)練數(shù)據(jù)；以及， 經(jīng)由一微控制器接收所述分析結(jié)果，并根據(jù)所述分析結(jié)果執(zhí)行一混合氣體辨識(shí)方法來(lái)辨識(shí)所述待測(cè)氣體的種類，且將不存在于所述氣體訓(xùn)練數(shù)據(jù)的一未知?dú)怏w分類，再根據(jù)所述氣體訓(xùn)練數(shù)據(jù)產(chǎn)生一辨識(shí)結(jié)果。
10.如權(quán)利要求9所述的氣體辨識(shí)方法，其特征在于，所述傳感薄膜是以一納米孔洞碳材所構(gòu)成，并將具氣體吸附能力的高分子成長(zhǎng)于所述納米孔洞碳材的孔洞中。
11.如權(quán)利要求9所述的氣體辨識(shí)方法，其特征在于，該方法還包含以下步驟: 利用所述微控制器在偵測(cè)到所述未知?dú)怏w時(shí)，傳送所述未知?dú)怏w的數(shù)據(jù)至所述隨機(jī)類神經(jīng)網(wǎng)絡(luò)芯片及所述內(nèi)存，使所述氣體辨識(shí)芯片能夠有自我學(xué)習(xí)的能力。
12.如權(quán)利要求11所述的氣體辨識(shí)方法，其特征在于，所述混合氣體辨識(shí)方法包含K最鄰近法、線性回歸法及以中位數(shù)作為臨界值的K最鄰近法，其中，以中位數(shù)作為臨界值的K最鄰近法是先求出所述氣體訓(xùn)練數(shù)據(jù)中各筆數(shù)據(jù)兩兩之間的距離，再找出這些距離的一中位數(shù)，并利用所述中位數(shù)來(lái)判定所述待測(cè)氣體是否為所述未知?dú)怏w。
13.如權(quán)利要求9或12所述的氣體辨識(shí)方法，其特征在于，所述傳感器陣列是由導(dǎo)電聚合物傳感器所構(gòu)成。
14.如權(quán)利要求9或12所述的氣體辨識(shí)方法，其特征在于，所述傳感器陣列是由表面聲波傳感器所構(gòu)成 。
15.如權(quán)利要求13所述的氣體辨識(shí)方法，其特征在于，所述傳感器接口電路是利用一單程多晶硅懸浮柵組 件來(lái)儲(chǔ)存電荷，以減少漏電及降低電路功率。
16.如權(quán)利要求14所述的氣體辨識(shí)方法，其特征在于，所述傳感器接口電路包含一可調(diào)式震蕩電路，其可根據(jù)不同表面聲波傳感器來(lái)調(diào)整震蕩頻率，增加使用上的彈性。
17.一種運(yùn)用如權(quán)利要求1至8任意一項(xiàng)所述的氣體辨識(shí)芯片的可早期偵測(cè)及辨識(shí)肺炎種類的呼吸器，其特征在于，所述呼吸器包含一吐氣端管路及一氣體辨識(shí)裝置，所述氣體辨識(shí)裝置是利用所述氣體辨識(shí)芯片來(lái)分析病人由所述吐氣端管路中呼出的氣體以辨識(shí)肺炎的種類。
18.如權(quán)利要求17所述的可早期偵測(cè)及辨識(shí)肺炎種類的呼吸器，其特征在于，所述氣體辨識(shí)裝置是直接連接于病人體外的所述吐氣端管路，并采集病人呼出的氣體以進(jìn)行辨識(shí)。
全文摘要
本發(fā)明公開一種可辨識(shí)肺炎種類的呼吸器及其辨識(shí)芯片及其辨識(shí)方法。此呼吸器的氣體辨識(shí)芯片包含傳感器陣列、傳感器接口電路、隨機(jī)類神經(jīng)網(wǎng)絡(luò)芯片、內(nèi)存及微控制器。傳感器陣列接收若干種待測(cè)氣體以產(chǎn)生對(duì)應(yīng)于各個(gè)待測(cè)氣體的氣味信號(hào)。傳感器接口電路分析各個(gè)氣味信號(hào)，以產(chǎn)生對(duì)應(yīng)各待測(cè)氣體的氣體圖案信號(hào)。隨機(jī)類神經(jīng)網(wǎng)絡(luò)芯片，是放大氣體圖案信號(hào)之間的差異，并降低氣體圖案信號(hào)的維度，以協(xié)助產(chǎn)生分析結(jié)果。內(nèi)存儲(chǔ)存訓(xùn)練數(shù)據(jù)。微控制器執(zhí)行混合氣體辨識(shí)方法，并根據(jù)氣體訓(xùn)練數(shù)據(jù)來(lái)辨識(shí)肺炎種類。
文檔編號(hào)G06K9/62GK103245778SQ20121006719
公開日2013年8月14日 申請(qǐng)日期2012年3月5日 優(yōu)先權(quán)日2012年2月1日
發(fā)明者鄭桂忠, 施崇鴻, 王立群, 陳新, 劉奕汶, 徐爵民, 楊家銘, 饒達(dá)仁 申請(qǐng)人:鄭桂忠