CN113219042A - 一种用于人体呼出气体中各成分分析检测的装置及其方法 - Google Patents
一种用于人体呼出气体中各成分分析检测的装置及其方法 Download PDFInfo
- Publication number
- CN113219042A CN113219042A CN202011410877.XA CN202011410877A CN113219042A CN 113219042 A CN113219042 A CN 113219042A CN 202011410877 A CN202011410877 A CN 202011410877A CN 113219042 A CN113219042 A CN 113219042A
- Authority
- CN
- China
- Prior art keywords
- sample
- data
- human body
- analyzing
- collection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims abstract description 56
- 238000001514 detection method Methods 0.000 claims abstract description 44
- 238000012545 processing Methods 0.000 claims abstract description 32
- 238000005070 sampling Methods 0.000 claims abstract description 31
- 229910002092 carbon dioxide Inorganic materials 0.000 claims abstract description 28
- 239000001569 carbon dioxide Substances 0.000 claims abstract description 28
- 239000007789 gas Substances 0.000 claims description 42
- 230000001954 sterilising effect Effects 0.000 claims description 12
- 238000004659 sterilization and disinfection Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 8
- 238000013480 data collection Methods 0.000 claims description 4
- 239000002912 waste gas Substances 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 3
- 239000012855 volatile organic compound Substances 0.000 claims description 3
- 230000006870 function Effects 0.000 abstract description 19
- 238000004949 mass spectrometry Methods 0.000 abstract description 8
- 238000004458 analytical method Methods 0.000 abstract description 6
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000009545 invasion Effects 0.000 abstract description 2
- 238000004451 qualitative analysis Methods 0.000 abstract description 2
- 238000004445 quantitative analysis Methods 0.000 abstract description 2
- 230000035945 sensitivity Effects 0.000 abstract description 2
- 238000001819 mass spectrum Methods 0.000 description 35
- 238000001228 spectrum Methods 0.000 description 29
- 230000003595 spectral effect Effects 0.000 description 15
- 238000013507 mapping Methods 0.000 description 9
- 238000005457 optimization Methods 0.000 description 8
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 7
- 229910052760 oxygen Inorganic materials 0.000 description 7
- 239000001301 oxygen Substances 0.000 description 7
- 230000009467 reduction Effects 0.000 description 7
- 238000013178 mathematical model Methods 0.000 description 6
- 230000009466 transformation Effects 0.000 description 6
- 230000001629 suppression Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005040 ion trap Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012958 reprocessing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/62—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating the ionisation of gases, e.g. aerosols; by investigating electric discharges, e.g. emission of cathode
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/62—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating the ionisation of gases, e.g. aerosols; by investigating electric discharges, e.g. emission of cathode
- G01N27/622—Ion mobility spectrometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/62—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating the ionisation of gases, e.g. aerosols; by investigating electric discharges, e.g. emission of cathode
- G01N27/64—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating the ionisation of gases, e.g. aerosols; by investigating electric discharges, e.g. emission of cathode using wave or particle radiation to ionise a gas, e.g. in an ionisation chamber
Landscapes
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Electrochemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Toxicology (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明公开了一种用于人体呼出气体中各成分分析检测的装置及其方法,其包括:样品流速检测装置;二氧化碳浓度检测装置;采集装置;样品收集存储装置;尾气处理装置;质谱仪;数据采集装置,其与所述质谱仪相连接,用于质谱仪数据的采集;以及云服务器,所述云服务器与所述数据采集装置相连接,用于数据的存储。本发明呼出气检测具有非侵入、无创、取样简单等显著优势,结合质谱技术分析速度快、灵敏度高、定性和定量分析能力强等优势以及机器深度学习算法的强大功能,研发基于呼出气质谱分析的方法,其中质谱检测具有操作简单明了、分析效率高、校准准确等显著优势,有效改善了谱图数据处理的准确性与可靠性。
Description
技术领域
本发明涉及到质谱分析仪器设备领域,尤其涉及到一种用于人体呼出气体中各成分分析检测的装置及其方法。
背景技术
对于人体呼出气体的检测,是现在一种比较常见的检测手段。但是,在检测的过程中,由于为气体,在取样的时候存在一定的难点,在取样袋内不知道是否已经取得样品,或者取得样品是否符合检测的要求,相当麻烦。
因此,亟需一种能够解决以上一种或多种问题的用于人体呼出气体中各成分分析检测的装置。
发明内容
为解决现有技术中存在的一种或多种问题,本发明提供了一种用于人体呼出气体中各成分分析检测的装置及其方法。
本发明为解决上述问题采用的技术方案是:一种用于人体呼出气体中各成分分析检测的装置,所述装置包括:
样品流速检测装置,其用于人体呼出气体流速的检测;
二氧化碳浓度检测装置,其与所述样品流速检测装置相连接,用于人体呼出气体二氧化碳浓度的检测;
采集装置,其与二氧化碳浓度检测装置相连接,用于人体呼出气体的采集;
样品收集存储装置,其与采集装置相连接,用于从采集装置中获取气体样品;
尾气处理装置,其与采集装置相连接,用于废气的处理;
质谱仪,其与样品收集存储装置相连接,用于分析样品收集存储装置中样品气体的成分;
数据采集装置,其与所述质谱仪相连接,用于质谱仪数据的采集;以及
云服务器,所述云服务器与所述数据采集装置相连接,用于数据的存储。
在一些实施例中,所述装置还包括:
数据处理分析装置,其设置在数据采集装置和云服务器之间,用于数据的分析处理,并将完成标准化处理后的数据统一上传至云服务器进行分类保存。
在一些实施例中,所述装置还包括:
灭菌装置,所述采集装置、尾气处理装置、样品收集存储装置和质谱仪都设置在灭菌装置。
在一些实施例中,所述采集装置为三通式结构,其第一端与二氧化碳浓度检测装置相连接,第二端与尾气处理装置相连接,第三端与样品收集存储装置相连接。
在一些实施例中,所述样品收集存储装置为气体采集袋或气体富集系统。
在一些实施例中,所述质谱仪为高气压光电离飞行时间质谱仪。
在一些实施例中,所述质谱仪对VOCs检出限为pptv量级。
本发明还公开了一种用于人体呼出气体中各成分分析检测的方法,所述方法包括:
步骤S11、系统参数初始化,在样品流速检测装置内设定流速阈值Vs;
步骤S12、在二氧化碳浓度检测装置内设定二氧化碳浓度阈值Cs;
步骤S13、在样品收集存储装置内设定样品收集量Ls;
步骤S14、当呼气测试的呼出气流速满足V≥Vs且二氧化碳浓度满足C≥Cs时,采样装置启动,呼出气进入样品收集存储装置;
步骤S15、当样品收集存储装置所采集样本满足L≥Ls时,质谱仪对样品收集存储装置内的呼出气样本进行检测;
步骤S16、呼出气样本检测数据经由数据采集装置采集,传输至云服务器进行存储。
在一些实施例中,所述方法还包括:
步骤S16之间还包括对采集数据的格式转化。
在一些实施例中,所述方法还包括对采集装置、尾气处理装置、样品收集存储装置和质谱仪的灭菌处理。
本发明取得的有益价值是,本发明呼出气检测具有非侵入、无创、取样简单等显著优势,结合质谱技术分析速度快、灵敏度高、定性和定量分析能力强等优势以及机器深度学习算法的强大功能,研发基于呼出气质谱分析的方法,其中质谱检测具有操作简单明了、分析效率高、校准准确等显著优势,有效改善了谱图数据处理的准确性与可靠性。
附图说明
图1为本发明一种用于人体呼出气体中各成分分析检测的装置的框架图;
图2为本发明一种用于人体呼出气体中各成分分析检测的方法的流程图;
图3为本发明一种用于人体呼出气体中各成分分析检测的方法中质谱仪中质谱数据谱图信号校准方法的流程图;
图4为经图3所示的质谱数据谱图信号校准方法校准前后氧气质谱数据信号峰谱图对比图;
图5为经图3所示的质谱数据谱图信号校准方法完成校准处理后的氧气质谱数据信号峰;
图6为本发明提供的质谱数据谱图信号校准装置的框架图。
具体实施方式
为使本发明的上述目的、特征和和优点能够更加浅显易懂,下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于此描述的其他方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似改进,因此本发明不受下面公开的具体实施例限制。
如图1所示,本发明公开了一种用于人体呼出气体中各成分分析检测的装置,所述装置包括:
样品流速检测装置110,其用于人体呼出气体流速的检测;
二氧化碳浓度检测装置120,其与所述样品流速检测装置110相连接,用于人体呼出气体二氧化碳浓度的检测;
采集装置130,其与二氧化碳浓度检测装置120相连接,用于人体呼出气体的采集;
样品收集存储装置140,其与采集装置130相连接,用于从采集装置中获取气体样品;
尾气处理装置150,其与采集装置130相连接,用于废气的处理;
质谱仪160,其与样品收集存储装置140相连接,用于分析样品收集存储装置140中样品气体的成分;
数据采集装置170,其与所述质谱仪160相连接,用于质谱仪160数据的采集;以及
云服务器190,所述云服务器190与所述数据采集装置170相连接,用于数据的存储。
具体地,本实施例在实施时,首先通过样品流速检测装置和二氧化碳浓度检测装置对样品流速和二氧化碳浓度进行检测,当两个指标都达到设定阈值时,此时,我们判定可以开始取样。因为流速达到设定的阈值,这个阈值是人体吹气的流速均值,可以让其与自然风的流速区分开,同时,为了区分自然风,我们设置了二氧化碳浓度检测,因为自然风的二氧化碳浓度低,只有同时满足上述两个要求,我们才能确定其为我们需要采集的样品,此时采集装置对人体呼出的气体进行采集,将采集的人体呼出气收藏至样品收集存储装置中,当该装置中的气体体积达到设定阈值时,样品收集存储装置内的气体进入到质谱仪中,通过质谱仪对其进行检测。
还需要说明的是,当人体呼出的气体的流速和二氧化碳浓度未达标时,此时的人体废气通过尾气处理装置进行回收处理,避免对检测环境造成污染。
同时,由于样品流速检测装置、二氧化碳浓度检测装置、采集装置、样品收集存储装置、尾气处理装置、质谱仪、数据采集装置和云服务器都是现有技术,故不对其具体结构进行赘述。
在一些实施例中,所述装置还包括:
数据处理分析装置180,其设置在数据采集装置180和云服务器190之间,用于数据的分析处理,并将完成标准化处理后的数据统一上传至云服务器进行分类保存。
在一些实施例中,所述装置还包括:
灭菌装置200,所述采集装置130、尾气处理装置150、样品收集存储装置140和质谱仪160都设置在灭菌装置200。
具体地,本实施方式还设计了灭菌装置200,由于在整个采集、检测的过程中,会存在泄漏的问题,所以本方案还设计了灭菌装置,对于整个环境进行灭菌处理。
在一些实施例中,所述采集装置130为三通式结构,其第一端与二氧化碳浓度检测装置120相连接,第二端与尾气处理装置150相连接,第三端与样品收集存储装置140相连接。
在一些实施例中,所述样品收集存储装置140为气体采集袋或气体富集系统。
在一些实施例中,所述质谱仪160为高气压光电离飞行时间质谱仪。
在一些实施例中,所述质谱仪160对VOCs检出限为pptv量级。
如图2所示,本发明还公开了一种用于人体呼出气体中各成分分析检测的方法,所述方法包括:
步骤S21、系统参数初始化,在样品流速检测装置内设定流速阈值Vs;
步骤S22、在二氧化碳浓度检测装置内设定二氧化碳浓度阈值Cs;
步骤S23、在样品收集存储装置内设定样品收集量Ls;
步骤S24、当呼气测试的呼出气流速满足V≥Vs且二氧化碳浓度满足C≥Cs时,采样装置启动,呼出气进入样品收集存储装置;
步骤S25、当样品收集存储装置所采集样本满足L≥Ls时,质谱仪对样品收集存储装置内的呼出气样本进行检测;
步骤S26、呼出气样本检测数据经由数据采集装置采集,传输至云服务器进行存储。
在一些实施例中,所述方法还包括:
步骤S26之中还包括步骤S27对采集数据的格式转化。
在一些实施例中,所述方法还包括对采集装置、尾气处理装置、样品收集存储装置和质谱仪的灭菌处理。
本实施例的质谱仪在工作时,其提供了一种质谱数据谱图信号校准方法和装置,具体如下:
该质谱数据谱图信号校准方法,对采集的谱图数据进行分析,其中,谱图数据包括飞行时间质谱数据、离子阱质谱数据、四极杆质谱数据以及离子迁移谱数据等多种谱图数据。需要说明的是,本发明提供的多个数据处理函数与模型可参考现有的函数与模型,例如,可参考Pathon多个数据处理函数,本发明在此不作限定。
如图3所示,质谱数据谱图信号校准方法包括以下步骤S11-S17。
步骤S11:获取原始谱图,并设定S(x)为待对齐谱,R(x)为参考谱;其中,原始谱图为一个2列31666行的质谱数据,第1列记录精确质量数,第2列记录信号强度。
在本步骤中,对校准方法进行数据初始化。其中,待对齐谱S(x)以及参考谱R(x)为质谱在线检测所得到的原始谱图数据。
步骤S12:设定采样时间间隔为t,建立标准采样时间点与质谱数据的一一映射关系;将采样时间间隔t均分10等分,使采样点从31666扩大为316660。
需要说明的是,将采样点与质谱数据建立时间映射的方法可参考现有技术,本发明在此不作限定。同时,通过将采样时间间隔t进行10等分,使得采样点数量扩大,便于后续步骤中消除因噪声所带来的采样点,提升谱图校准的准确性,并实现多中心、多节点原始数据漂移的对齐与统一分析。
步骤S13:构建二维小波变换矩阵X(γ,μ);其中,γ与μ分别设定为变换尺度及变化位移,在设定的γ与μ范围内对所述原始谱图进行连续小波变换,并通过判别谱峰上升沿与下降沿斜率,完成谱峰识别以及峰位置标记。其中,具体的二维小波变换矩阵可参考现有技术,本发明在此不作限定。
步骤S14:建立重叠峰拆分数学模型,结合小波变换所识别及标记的峰位置,采用平滑等优化处理算法以及傅立叶去卷积和空域反卷积处理方法,识别谱峰中的重叠峰并完成拆分,获得多个信号峰,从而完成重叠峰拆分。
步骤S15:使用NM算法优化谱峰的中心坐标和半峰宽(FWHM,full width at halfmaxima),优化完成后对原始谱图中每个信号峰进行高斯拟合。
在本步骤中,通过NM算法(The Nelder–Mead simplex search method,单纯形算法)来对优化谱峰,以最大化提升高斯拟合的准确性。
进一步的,还包括步骤S18:建立噪声分布的数学模型,对原始谱图中的噪声进行非线性抑制、平滑降噪和优化处理。
在本步骤中,首先采用基于概率的统计学方法,利用海量数据统计每个质量数附近噪声出现的频率和强度的分布函数,建立噪声分布的数学模型。然后采用非线性滤波等方法,对谱图中的噪声进行非线性抑制、平滑等降噪和优化处理,实现对噪声的消减,有效提高谱图的信噪比,从而在识别过程中能够最大限度地保留谱图的特征,提高识别的正确率。更进一步的,对原始谱图中未参与高斯拟合的采样点,进行信号强度置零处理。
步骤S16:寻找标志峰,建立标志峰的精确质量数与实际对应采样时间(即经对采样时间间隔10等分后的采样点)的映射关系;其中,设定待对齐谱S(x)的谱图分段Si(x)(i=1,2,...),并计算各分段Si(x)相对于参考谱R(x)对应分段的漂移量ΔPi;按ΔPi移动对应的分段Si(x),若与相邻分段Si-1(x)或Si+1(x)发生谱峰重叠,则使ΔPi=ΔPi-1(ΔPi≥0),直到谱峰不发生重叠为止,记录不重叠时的所对应的漂移量ΔPi。
在本步骤中,通过对每个峰进行识别、定位和积分,完成峰信号的提取。同时,分段计算谱图漂移量,从而获得每个谱图分段所对应的漂移量,从而提升校准的准确性与可靠性。
步骤S17:用用各分段的不重叠时的所对应的漂移量ΔPi校正相应的分段Si(x)的质谱数据,得到目标尺度下的对齐谱S(x);其中,设定标准谱图包含35000个采样点,以统一质量数递增步长建立标准质量轴区间。其中,通过建立标准轴,获得基于标准质量轴区间的对齐谱S(x),即将原始谱图处理成为标准谱图。
进一步的,在一个实施例中,步骤S17之后还包括:
步骤S19:设定高斯窗函数σ的初始值,最小步长Δσ,判断高斯窗函数σ是否达到设定的最小尺度,若结果为是,则算法结束;若结果为否,使σ’=σ-Δσ,并回到步骤S13。
在本步骤中,为了减少信号截取后的泄露误差,采用高斯窗函数(截短函数)对标准谱图中信号进行截短。先设定一个初始值与最小步长,若高斯窗函数没有达到预设的最小尺度,则重新对谱图中进行谱峰识别与重叠峰拆分等步骤,通过不断的迭代,最终使得高斯窗函数的迭代值σ’达到预设的最小尺度,即标准谱图中因信号截取所造成的泄露导致的误差处于预设的范围之内。具体的,可通过网络把结果返回检测终端,完成本次判别。其中,高斯窗函数σ的的最小尺度即预设的高斯窗函数σ的最小值。
进一步的,在一个实施例中,步骤S17之后还包括:
步骤S20:将对齐处理后的对齐谱S(x)生成新的谱图数据,并将对齐谱S(x)进行绘图处理并输出。
具体的,将对齐处理后的对齐谱S(x)生成新的谱图数据,并输出保存至制定路径。同时将对齐谱S(x)进行绘图处理并输出,以考察与验证结果的可靠性和准确性。
举例来说,如图4与图5所示,图4所示为校准前后谱图对比图,图3为经过完成校准处理后的氧气质谱数据信号峰。
实施例一:
以氧气质谱数据信号峰(m/z 32)为例,由图4可以看出:右侧信号峰为发生了漂移的氧气质谱数据,漂移后的检测质量数为32.0102;图5中的信号峰为校准处理后的氧气质谱数据,校准后的检测质量数为31.98924,与氧信号峰的精确质量数31.98984非常接近。并且由图5可以看出:经过校准算法后,谱图降噪及平滑均得到较大程度的改善,并最终处理为标准化直方图。由此可以看出质谱数据的质量偏差已得到充分修正,表明了本方法的准确性与有效性。
综上所述,本发明所提供的质谱数据谱图信号校准方法,能够快速读取原始谱图数据,通过建立标准采样时间与原始谱图的映射关系,将单次采样间隔进行切割等分;通过谱峰识别、重叠峰拆分、高斯拟合等函数处理,实现标志峰寻找与漂移谱图校准,进而建立标准质量轴区间,由原始谱图获得标准谱图。本方法综合利用了多个数据处理函数,具有操作简单明了、分析效率高、校准准确等显著优势,有效改善了谱图数据处理的准确性与可靠性,具有广阔的实际应用前景。
同时,在优选实施方式中,采用基于概率的统计学方法,利用海量数据统计每个精确质量数附近噪声出现的频率和强度的分布函数,建立噪声分布的数学模型;同时结合小波变换、非线性滤波等数字信号处理方法,通过时域和频域处理手段,对谱图中的噪声进行非线性抑制、平滑等降噪和优化处理,实现对噪声的消减,有效提高谱图的信噪比,从而在识别过程中能够最大限度地保留谱图的特征,提高识别的正确率。
本发明第二方面是提供一种质谱数据谱图信号校准装置100,用于快速读取原始谱图数据,建立标准质量轴区间,由原始谱图获得标准谱图。需要说明的是,质谱数据谱图信号校准装置100的实现原理及实施方式与上述的质谱数据谱图信号校准方法相一致,故在此不再赘述。
如图6所示,质谱数据谱图信号校准装置100包括:
数据初始化模块10,用于获取原始谱图,并设定S(x)为待对齐谱,R(x)为参考谱;其中,原始谱图为一个2列31666行的质谱数据,第1列记录精确质量数,第2列记录信号强度;
时间映射建立模块20,用于设定采样时间间隔为t,建立标准采样时间点与所述质谱数据的一一映射关系;将采样时间间隔t均分10等分,使采样点从31666扩大为316660;
谱峰识别模块30,用于构建二维小波变换矩阵X(γ,μ);其中,γ与μ分别设定为变换尺度及变化位移,在设定的γ与μ范围内对原始谱图进行连续小波变换,并通过判别谱峰上升沿与下降沿斜率,完成谱峰识别以及峰位置标记;
重叠峰拆分模块40,用于建立重叠峰拆分数学模型,结合小波变换所识别及标记的峰位置,采用平滑优化处理算法以及傅立叶去卷积和空域反卷积处理方法,识别谱峰中的重叠峰并完成拆分,获得多个信号峰;
高斯拟合模块50,用于使用NM算法优化谱峰的中心坐标和半峰宽,优化完成后对原始谱图中每个信号峰进行高斯拟合;
校准谱图漂移模块60,用于寻找标志峰,建立标志峰的精确质量数与实际对应采样时间的映射关系;其中,设定待对齐谱S(x)的谱图分段Si(x)(i=1,2,...),并计算各分段Si(x)相对于参考谱R(x)对应分段的漂移量ΔPi;按ΔPi移动对应的分段Si(x),若与相邻分段Si-1(x)或Si+1(x)发生谱峰重叠,则使ΔPi=ΔPi-1(ΔPi≥0),直到谱峰不发生重叠为止,记录不重叠时的所对应的ΔPi;
标准轴建立模块70,用于用各分段的位移量ΔPi校正相应的分段Si(x)的质谱数据,得到目标尺度下的对齐谱S(x);其中,设定标准谱图包含35000个采样点,以统一质量数递增步长建立标准质量轴区间。
进一步的,在一个实施例中,如图6所示,质谱数据谱图信号校准装置100还包括:
噪声消除模块80,用于建立噪声分布的数学模型,对原始谱图中的噪声进行非线性抑制、平滑降噪和优化处理。
更进一步的,噪声消除模块80中还包括:采样点置零单元(图中未示出),用于对原始谱图中未参与高斯拟合的采样点,进行信号强度置零处理。
进一步的,在一个实施例中,如图6所示,质谱数据谱图信号校准装置100还包括:
校正判断模块90,用于设定高斯窗函数σ的初始值,最小步长Δσ,判断高斯窗函数σ是否达到设定的最小尺度,若结果为是,则算法结束;若结果为否,使σ’=σ-Δσ,并回到谱峰识别模块30中进行重新处理。
进一步的,在一个实施例中,如图6所示,质谱数据谱图信号校准装置100还包括:
对齐谱输出模块91,用于将对齐处理后的对齐谱S(x)生成新的谱图数据,并将对齐谱S(x)进行绘图处理并输出。
本发明再一方面是提供一种终端(图中未示出),终端包括存储器、处理器以及存储在存储器并可在处理器上运行的质谱数据谱图信号校准程序,质谱数据谱图信号校准程序被所述处理器执行时实现如上述实施方式任一项所述的质谱数据谱图信号校准方法的各个步骤。
本发明还提供一种计算机可读存储介质(图中未示出),计算机可读存储介质存储有质谱数据谱图信号校准程序,质谱数据谱图信号校准程序被处理器执行时实现如上述实施方式任一项所述的质谱数据谱图信号校准方法的各个步骤。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及方法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的系统或装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的系统或装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
以上所述的实施例仅表达了本发明的一种或多种实施方式,其描述较为具体和详细,但并不能因此理解为对发明专利的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明的构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明的保护范围应以所附权利要求为准。
Claims (10)
1.一种用于人体呼出气体中各成分分析检测的装置,其特征在于,所述装置包括:
样品流速检测装置,其用于人体呼出气体流速的检测;
二氧化碳浓度检测装置,其与所述样品流速检测装置相连接,用于人体呼出气体二氧化碳浓度的检测;
采集装置,其与二氧化碳浓度检测装置相连接,用于人体呼出气体的采集;
样品收集存储装置,其与采集装置相连接,用于从采集装置中获取气体样品;
尾气处理装置,其与采集装置相连接,用于废气的处理;
质谱仪,其与样品收集存储装置相连接,用于分析样品收集存储装置中样品气体的成分;
数据采集装置,其与所述质谱仪相连接,用于质谱仪数据的采集;以及
云服务器,所述云服务器与所述数据采集装置相连接,用于数据的存储。
2.根据权利要求1所述的用于人体呼出气体中各成分分析检测的装置,其特征在于,所述装置还包括:
数据处理分析装置,其设置在数据采集装置和云服务器之间,用于数据的分析处理,并将完成标准化处理后的数据统一上传至云服务器进行分类保存。
3.根据权利要求1或2所述的用于人体呼出气体中各成分分析检测的装置,其特征在于,所述装置还包括:
灭菌装置,所述采集装置、尾气处理装置、样品收集存储装置和质谱仪都设置在灭菌装置。
4.根据权利要求1所述的用于人体呼出气体中各成分分析检测的装置,其特征在于,所述采集装置为三通式结构,其第一端与二氧化碳浓度检测装置相连接,第二端与尾气处理装置相连接,第三端与样品收集存储装置相连接。
5.根据权利要求1所述的用于人体呼出气体中各成分分析检测的装置,其特征在于,所述样品收集存储装置为气体采集袋或气体富集系统。
6.根据权利要求1所述的用于人体呼出气体中各成分分析检测的装置,其特征在于,所述质谱仪为高气压光电离飞行时间质谱仪。
7.根据权利要求1或6所述的用于人体呼出气体中各成分分析检测的装置,其特征在于,所述质谱仪对VOCs检出限为pptv量级。
8.一种用于人体呼出气体中各成分分析检测的方法,其特征在于,所述方法包括:
步骤S11、系统参数初始化,在样品流速检测装置内设定流速阈值Vs;
步骤S12、在二氧化碳浓度检测装置内设定二氧化碳浓度阈值Cs;
步骤S13、在样品收集存储装置内设定样品收集量Ls;
步骤S14、当呼气测试的呼出气流速满足V≥Vs且二氧化碳浓度满足C≥Cs时,采样装置启动,呼出气进入样品收集存储装置;
步骤S15、当样品收集存储装置所采集样本满足L≥Ls时,质谱仪对样品收集存储装置内的呼出气样本进行检测;
步骤S16、呼出气样本检测数据经由数据采集装置采集,传输至云服务器进行存储。
9.根据权利要求8所述的用于人体呼出气体中各成分分析检测的方法,其特征在于,所述方法还包括:
步骤S16之中还包括步骤S17对采集数据的格式转化。
10.根据权利要求9所述的用于人体呼出气体中各成分分析检测的方法,其特征在于,所述方法还包括对采集装置、尾气处理装置、样品收集存储装置和质谱仪的灭菌处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011410877.XA CN113219042A (zh) | 2020-12-03 | 2020-12-03 | 一种用于人体呼出气体中各成分分析检测的装置及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011410877.XA CN113219042A (zh) | 2020-12-03 | 2020-12-03 | 一种用于人体呼出气体中各成分分析检测的装置及其方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113219042A true CN113219042A (zh) | 2021-08-06 |
Family
ID=77085828
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011410877.XA Pending CN113219042A (zh) | 2020-12-03 | 2020-12-03 | 一种用于人体呼出气体中各成分分析检测的装置及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113219042A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114324549A (zh) * | 2022-01-04 | 2022-04-12 | 深圳市步锐生物科技有限公司 | 基于呼出气质谱检测的肺结核风险评估方法及系统 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030134427A1 (en) * | 2002-01-11 | 2003-07-17 | Chad Roller | Method and apparatus for determining gas concentration |
CN101547716A (zh) * | 2005-11-16 | 2009-09-30 | 心肺技术公司 | 旁流型呼吸气体监测系统和方法 |
CN202649007U (zh) * | 2012-07-27 | 2013-01-02 | 中国科学院合肥物质科学研究院 | 一种呼气成分实时检测的气体取样装置 |
CN103876744A (zh) * | 2014-03-26 | 2014-06-25 | 深圳市理邦精密仪器股份有限公司 | 用于气体采样的除水装置、方法及系统 |
CN104515727A (zh) * | 2014-10-21 | 2015-04-15 | 中国科学院苏州生物医学工程技术研究所 | 一种呼吸气体分析装置 |
CN105784433A (zh) * | 2016-03-08 | 2016-07-20 | 浙江大学 | 一种人体呼出气体中VOCs和EBCs的并行采集装置 |
CN106501138A (zh) * | 2015-09-06 | 2017-03-15 | 广州禾信分析仪器有限公司 | 呼出气中pm2.5的检测方法和采样设备 |
US20180052893A1 (en) * | 2016-08-22 | 2018-02-22 | Eung Joon JO | Database management using a matrix-assisted laser desorption/ionization time-of-flight mass spectrometer |
US20180053645A1 (en) * | 2016-08-22 | 2018-02-22 | Eung Joon JO | Time versus intensity distribution analysis using a matrix-assisted laser desorption/ionization time-of-flight mass spectrometer |
CN107961042A (zh) * | 2017-12-01 | 2018-04-27 | 无锡市尚沃医疗电子股份有限公司 | 智能化呼气采样方法和装置 |
CN109900773A (zh) * | 2017-12-11 | 2019-06-18 | 中国科学院大连化学物理研究所 | 一种准确快速分析潜艇内空气成分的方法 |
CN209629654U (zh) * | 2018-06-27 | 2019-11-15 | 上海飞赐擎体育管理咨询有限公司 | 一种人体呼出气体采样及代谢分析装置 |
CN111529847A (zh) * | 2020-05-07 | 2020-08-14 | 山东凯鑫宏业生物科技有限公司 | 应用于智能化医疗系统中具有呼吸相识别控制的呼吸机系统及控制方法 |
CN111566794A (zh) * | 2018-01-10 | 2020-08-21 | 霍尼韦尔国际公司 | 气体检测设备 |
CN111610281A (zh) * | 2020-07-14 | 2020-09-01 | 北京行健谱实科技有限公司 | 基于气相色谱质谱谱库鉴定的云平台构架及其操作方法 |
CN111781303A (zh) * | 2020-07-01 | 2020-10-16 | 深圳市步锐生物科技有限公司 | 一种手持式呼出气采集多参数分类采集机构 |
CN111814864A (zh) * | 2020-07-03 | 2020-10-23 | 北京中计新科仪器有限公司 | 一种质谱分析数据人工智能云平台系统及数据分析方法 |
CN111999375A (zh) * | 2020-09-30 | 2020-11-27 | 暨南大学 | 一种基于实时在线质谱的呼气挥发性有机化合物定量方法 |
-
2020
- 2020-12-03 CN CN202011410877.XA patent/CN113219042A/zh active Pending
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030134427A1 (en) * | 2002-01-11 | 2003-07-17 | Chad Roller | Method and apparatus for determining gas concentration |
CN101547716A (zh) * | 2005-11-16 | 2009-09-30 | 心肺技术公司 | 旁流型呼吸气体监测系统和方法 |
CN202649007U (zh) * | 2012-07-27 | 2013-01-02 | 中国科学院合肥物质科学研究院 | 一种呼气成分实时检测的气体取样装置 |
CN103876744A (zh) * | 2014-03-26 | 2014-06-25 | 深圳市理邦精密仪器股份有限公司 | 用于气体采样的除水装置、方法及系统 |
CN104515727A (zh) * | 2014-10-21 | 2015-04-15 | 中国科学院苏州生物医学工程技术研究所 | 一种呼吸气体分析装置 |
CN106501138A (zh) * | 2015-09-06 | 2017-03-15 | 广州禾信分析仪器有限公司 | 呼出气中pm2.5的检测方法和采样设备 |
CN105784433A (zh) * | 2016-03-08 | 2016-07-20 | 浙江大学 | 一种人体呼出气体中VOCs和EBCs的并行采集装置 |
US20180053645A1 (en) * | 2016-08-22 | 2018-02-22 | Eung Joon JO | Time versus intensity distribution analysis using a matrix-assisted laser desorption/ionization time-of-flight mass spectrometer |
US20180052893A1 (en) * | 2016-08-22 | 2018-02-22 | Eung Joon JO | Database management using a matrix-assisted laser desorption/ionization time-of-flight mass spectrometer |
CN107961042A (zh) * | 2017-12-01 | 2018-04-27 | 无锡市尚沃医疗电子股份有限公司 | 智能化呼气采样方法和装置 |
CN109900773A (zh) * | 2017-12-11 | 2019-06-18 | 中国科学院大连化学物理研究所 | 一种准确快速分析潜艇内空气成分的方法 |
CN111566794A (zh) * | 2018-01-10 | 2020-08-21 | 霍尼韦尔国际公司 | 气体检测设备 |
CN209629654U (zh) * | 2018-06-27 | 2019-11-15 | 上海飞赐擎体育管理咨询有限公司 | 一种人体呼出气体采样及代谢分析装置 |
CN111529847A (zh) * | 2020-05-07 | 2020-08-14 | 山东凯鑫宏业生物科技有限公司 | 应用于智能化医疗系统中具有呼吸相识别控制的呼吸机系统及控制方法 |
CN111781303A (zh) * | 2020-07-01 | 2020-10-16 | 深圳市步锐生物科技有限公司 | 一种手持式呼出气采集多参数分类采集机构 |
CN111814864A (zh) * | 2020-07-03 | 2020-10-23 | 北京中计新科仪器有限公司 | 一种质谱分析数据人工智能云平台系统及数据分析方法 |
CN111610281A (zh) * | 2020-07-14 | 2020-09-01 | 北京行健谱实科技有限公司 | 基于气相色谱质谱谱库鉴定的云平台构架及其操作方法 |
CN111999375A (zh) * | 2020-09-30 | 2020-11-27 | 暨南大学 | 一种基于实时在线质谱的呼气挥发性有机化合物定量方法 |
Non-Patent Citations (1)
Title |
---|
郎朗: "呼出气体肺癌标志物采集与筛选及数据管理系统研究", 《中国优秀硕博论文工程科技Ⅱ辑》, vol. 1, no. 8, pages 417 - 52 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114324549A (zh) * | 2022-01-04 | 2022-04-12 | 深圳市步锐生物科技有限公司 | 基于呼出气质谱检测的肺结核风险评估方法及系统 |
CN114324549B (zh) * | 2022-01-04 | 2024-01-12 | 深圳市步锐生物科技有限公司 | 基于呼出气质谱检测的肺结核风险评估方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112415078B (zh) | 一种质谱数据谱图信号校准方法及装置 | |
CN108846835B (zh) | 基于深度可分离卷积网络的图像变化检测方法 | |
CN111526099B (zh) | 基于深度学习的物联网应用流量检测方法 | |
CN111049858B (zh) | 一种基于交叉验证的基线扫描漏洞去重方法、装置及设备 | |
CN106713343B (zh) | 一种基于云计算实现通信协议智能解析的方法 | |
CN108931570A (zh) | 质谱分析数据解析装置以及质谱分析数据解析用程序 | |
JP2008500537A (ja) | 分光計によって生成されたデータからスペクトルを抽出するためのシステム及び方法 | |
CN111487213A (zh) | 多光谱融合的化学需氧量测试方法及装置 | |
CN111965115B (zh) | 一种基于高光谱的船舶尾气测量系统及方法 | |
CN113219042A (zh) | 一种用于人体呼出气体中各成分分析检测的装置及其方法 | |
CN112269182A (zh) | 目标雷达信号的确定方法和装置、存储介质、电子装置 | |
CN113221805B (zh) | 一种电力设备图像位置获取方法及装置 | |
EP2580772B1 (en) | A method computer program and system to analyze mass spectra | |
CN114324549B (zh) | 基于呼出气质谱检测的肺结核风险评估方法及系统 | |
CN115588439B (zh) | 一种基于深度学习的声纹采集装置的故障检测方法及装置 | |
US20040254741A1 (en) | Method and apparatus for modeling mass spectrometer lineshapes | |
CN110990383A (zh) | 一种基于工业大数据集的相似度计算方法 | |
CN115541563A (zh) | 一种基于激光诱导击穿光谱的元素定量分析方法 | |
CN112630293B (zh) | 一种猪肉新鲜度的鉴别方法及系统 | |
CN114141316A (zh) | 一种基于谱图分析的有机物生物毒性预测方法及系统 | |
CN115310472A (zh) | 基于核脉冲峰值序列的一维卷积神经网络核素识别方法 | |
CN110793920A (zh) | 一种化学成像与高光谱联用的大气遥测方法 | |
CN118090977B (zh) | 一种基于无线传感网络的水质监测系统 | |
CN112395983B (zh) | 一种质谱数据峰位置对齐方法及装置 | |
CN115372919B (zh) | 一种基于t检验的雷达目标回波模拟性能评估方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |