DE102016106188A1 - Medizinisches Beatmungsgerät mit einer Pneumonie- und Pneumokokken-Erkrankungs-Analysefunktion mittels Gas-Erkennung - Google Patents

Medizinisches Beatmungsgerät mit einer Pneumonie- und Pneumokokken-Erkrankungs-Analysefunktion mittels Gas-Erkennung Download PDF

Info

Publication number
DE102016106188A1
DE102016106188A1 DE102016106188.3A DE102016106188A DE102016106188A1 DE 102016106188 A1 DE102016106188 A1 DE 102016106188A1 DE 102016106188 A DE102016106188 A DE 102016106188A DE 102016106188 A1 DE102016106188 A1 DE 102016106188A1
Authority
DE
Germany
Prior art keywords
electrode
gas
detection
pneumonia
strip
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
Application number
DE102016106188.3A
Other languages
English (en)
Inventor
Yu-Hsuan Liao
Chia-Hung Li
Ting-Chuan Lee
Chung-Jung Tsai
Chun-Hsien Tsai
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Taiwan Carbon Nano Technology Corp
Original Assignee
Taiwan Carbon Nano Technology Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Taiwan Carbon Nano Technology Corp filed Critical Taiwan Carbon Nano Technology Corp
Publication of DE102016106188A1 publication Critical patent/DE102016106188A1/de
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/082—Evaluation by breath analysis, e.g. determination of the chemical composition of exhaled breath
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
    • A61M16/0003—Accessories therefor, e.g. sensors, vibrators, negative pressure
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
    • A61M16/021—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes operated by electrical means
    • 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
    • G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/04—Arrangements of multiple sensors of the same type
    • A61B2562/046—Arrangements of multiple sensors of the same type in a matrix array
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/02—General characteristics of the apparatus characterised by a particular materials
    • A61M2205/0272—Electro-active or magneto-active materials
    • A61M2205/0277—Chemo-active materials
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/33—Controlling, regulating or measuring
    • A61M2205/3368—Temperature
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/36—General characteristics of the apparatus related to heating or cooling
    • A61M2205/3653—General characteristics of the apparatus related to heating or cooling by Joule effect, i.e. electric resistance
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2230/00—Measuring parameters of the user
    • A61M2230/40—Respiratory characteristics
    • A61M2230/43—Composition of exhalation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Pathology (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Pulmonology (AREA)
  • Data Mining & Analysis (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Evolutionary Computation (AREA)
  • Theoretical Computer Science (AREA)
  • Hematology (AREA)
  • Anesthesiology (AREA)
  • Emergency Medicine (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Chemical & Material Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)

Abstract

Ein Medizinisches Beatmungsgerät (1) mit einer Pneumonie- und Pneumokokken-Erkrankungs-Analysefunktion mittels Gas-Erkennung, welches eine Sensoren-Anordnung (10), einen Sensoren-Schaltkreis (20), einen stochastischen neuralen Netzwerk-Chip (30), einen Speicher (40) und einen Mikrokontroller (50) umfasst. Die Sensoren-Anordnung erkennt eine Vielzahl von zu testen Gasen und generiert eine Vielzahl von Erkennungs-Signalen, die zu den zu testen Gasen korrespondieren. Der Sensoren-Schaltkreis (20) liest und analysiert die Erkennungs-Signale, um eine Vielzahl von Gas-Muster-Signalen (201), die zu den zu testenden Gasen korrespondieren, zu erzeugen. Der stochastische neurale Netzwerk-Chip (30) reduziert eine Dimension der Gas-Muster-Signale (201), um ein Analyse-Ergebnis (301) zu erzeugen. Der Speicher (40) speichert die Gas-Trainings-Daten (401). Der Mikrokontroller (50) empfängt das Analyse-Ergebnis (201) und identifiziert die Arten der zu testen Gasen, gemäß des Analyse-Ergebnis (201).

Description

  • GEBIET DER ERFINDUNG
  • Die vorliegende Erfindung betrifft ein medizinisches Beatmungsgerät mit einer Pneumonie- und Pneumokokken-Erkrankungs-Analysefunktion mittels Gas-Erkennung und insbesondere ein medizinisches Beatmungsgerät, das in der Lage ist, eine Gasart in Echtzeit und präzise zu erkennen und eine Pneumonie- und Pneumokokken-Erkrankungs-Analysefunktion bereitstellt.
  • HINTERGRUND DER ERFINDUNG
  • Ein medizinisches Beatmungsgerät ist für einen Patienten gedacht, der nicht eigenständig atmen kann, um dessen Lebenszeichen zu erhalten und ist normalerweise in Intensivpflegeeinheiten und Notaufnahmen aufzufinden.
  • Zum Beispiel offenbart die U.S. Patentschrift Nr. 2007/0068528 A1 ein künstliches Beatmungsgerät, um den Beatmungszustand einer Lunge zu untersuchen. Diese Offenbarung umfasst: einen Sensor zum Messen einer Gaskonzentration im ausgeatmetem Gas während eines einzelnen Artenzuges; einen Analog- zu Digital-Wandler (ADC) zum Erhalten von Probedaten der Gaskonzentration des ausgeatmeten Gases während eines einzelnen Atemzuges in der Zeit-Domäne, um eine Vielzahl von Probedaten aus den gewonnenen Probedaten auszuwählen zum Berechnen eines gemittelten Spurwertes, der sensitiv auf Veränderungen des alveolären Totraumes ist, auf der Basis der ausgewählten Probedaten; und einen Datenprozessor.
  • In einem weiteren Beispiel offenbart das taiwanesische Gebrauchsmuster Nr. M 437177 U1 ein Beatmungsgerät, welches in der Lage ist, das Niveau einer suspendierten Teilchenkonzentration anzuzeigen. Diese Offenbarung umfasst ein Gehäuse und ein Filterelement in dem Gehäuse. Das Gehäuse umfasst einen Einlass und einen Auslass. Die Luft strömt in das Gehäuse durch den Einlass und wird durch den Ausgang abgelassen, nachdem die suspendierten Teilchen durch das Filterelement gefiltert wurden. Ein Merkmal dieser Offenbarung ist, dass das Beatmungssystem, welches in der Lage ist, das Niveau einer suspendierten Teilchenkonzentration anzuzeigen, des Weiteren einen Suspendierte-Teilchenkonzentrations-Sensor im Gehäuse und zwischen dem Filterelement und dem Ausgang umfasst und eine Anzeigeeinheit, die elektrisch mit dem Suspendierte-Teilchenkonzentrations-Sensor verbunden ist und das Niveau der suspendierte Teilchenkonzentration anzeigt, die von dem Suspendierte-Teilchenkonzentrations-Sensor gemessen wurde. Also erlaubt die Anzeigeeinheit einem Benutzer, etwas über die Qualität der Luft zu erfahren, die durch das Beatmungsgerät zur Verfügung gestellt wird, um zu passenden Zeiten das Filterelement zu ersetzen oder zu reinigen.
  • Im obigen Stand der Technik wird legendlich eine Funktion bereitgestellt, um bloße einem kritisch krankem Patienten es zu ermöglichen, normal zu atmen und lebenserhaltend zu sein. Jedoch hat ein kritisch kranker Patient während einer Behandlung eine schwächere Immunabwehr in derart, dass die Chancen von Atemwegs- und Lungen-Infektionen, welche Komplikationen auslösen können, enorm erhöht sind. Sobald die Infektion auftritt, muss ein zeitaufwendiger Überprüfungsprozess, z. B. durch Röntgenstrahlen, Blutabnehmen oder Abstriche und weiteres Überprüfen unternommen werden, um den Typ der bakteriellen Infektion festzustellen. Solche langen Testzeiten können das Leben des Patienten in Gefahr bringen.
  • ZUSAMMENFASSUNG DER ERFINDUNG
  • Die primäre Aufgabe der vorliegenden Erfindung ist es, Probleme des Standes der Technik zu lösen. Im Stand der Technik stellt ein konventionelles medizinisches Beatmungsgerät eine bloße Funktion zur Verfügung, die es einem kritisch kranken Patient ermöglicht, normal zu atmen und diesen am Leben zu halten. Wenn eine Infektion während einer Behandlung auftritt, wird eine zeitaufwendige Testzeit benötigt, um den Typus der bakteriellen Infektion herauszufinden. In dieser Art wird das Leben des Patienten durch eine solche lange Testzeit in Gefahr gebracht.
  • Um die Aufgabe zu erfüllen, stellt die vorliegende Erfindung ein medizinisches Beatmungsgerät mit einer Pneumonie- und Pneumokokken-Erkrankungs-Analysefunktion mittels Gas-Erkennung zur Verfügung. Das medizinische Beatmungsgerät der vorliegenden Erfindung umfasst eine Sensoren-Anordnung, einen Sensoren-Schaltkreis, einen stochastischen neuralen Netzwerk-Chip, einen Speicher und einen Mikrokontroller. Die Sensoren-Anordnung umfasst ein Substrat, eine Heizschicht auf dem Substrat, eine Isolationsschicht auf der Heizschicht und eine Vielzahl von Detektions-Einheiten angebracht auf der Isolationsschicht. Jede der Detektions-Einheiten umfasst mindestens eine Detektions-Elektrode, einen Trennabschnitt, der die Detektions-Elektrode umfasst und einen Reaktions-Messfilm. Die Detektions-Elektrode umfasst eine erste Elektrode und eine zweite Elektrode. Die erste Elektrode umfasst eine erste streifenartige Elektrode und eine erste fingerartige Elektrode, die sich von der ersten streifenartigen Elektrode her erstreckt. Die zweite Elektrode umfasst eine zweite streifenartige Elektrode und eine zweite fingerartige Elektrode, die sich von der zweiten streifenartigen Elektrode her erstreckt. Die erste fingerartige Elektrode und die zweite fingerartige Elektrode sind wechselweise angebracht. Der Reaktions-Messfilm ist in einem Aufnahmeraum in dem Trennabschnitt vorgesehen und steht in Kontakt mit der Detektions-Elektrode. Der Reaktions-Messfilm kommt in Kontakt mit einer Vielzahl von zu testenden Gasen, um eine elektrochemische Reaktion auszulösen, damit die Detektions-Elektrode eine Vielzahl von Erkennungs-Signalen, die zu den zu testenden Gasen korrespondieren, erzeugt. Der Sensoren-Schaltkreis liest und analysiert die Erkennungs-Signale, um eine Vielzahl von Gas-Muster-Signalen, die zu den zu testenden Gasen korrespondieren, zu erzeugen. Der ein stochastisches neurales Netzwerk imitierende Chip verstärkt Unterschiede zwischen den Gas-Muster-Signalen und reduziert eine Dimension des Gas-Muster-Signals, um ein Analyse-Ergebnis zu erzeugen. Der Speicher speichert die Gas-Trainings-Daten. Der Mikrokontroller empfängt das Analyse-Ergebnis und führt einen Mischgas-Erkennungs-Algorithmus gemäß dem Analyse-Ergebnis aus, um Arten aus der Vielzahl von zu testenden Gasen zu bestimmen, und kategorisiert ein unbekanntes Gas, das nicht in den Gas-Trainings-Daten enthalten ist, und generiert ein Erkennungs-Ergebnis, gemäß den Gas-Trainings-Daten.
  • Aus dem Obigen ist bekannt, dass die vorliegende Erfindung die folgenden Effekte, im Vergleich mit dem Stand der Technik, zur Verfügung stellt. Das medizinische Beatmungsgerät mit einer Pneumonie- und Pneumokokken-Erkrankungs-Analysefunktion stellt die Pneumonie- und Pneumokokken-Erkrankungs-Analysefunktion mittels Gas-Erkennung zur Verfügung. Daher ist das medizinische Beatmungsgerät der vorliegende Erfindung, zusätzlich dazu, dass sie dem Patienten eine Beatmungsfunktion zur Verfügung stellt, in der Lage, frühzeitig den Typus der bakteriellen Infektion der Atemwege und Lungen und den damit verbundenen Komplikationen des Patienten zu erkennen, und damit die Symptome in Echtzeit und präzise zu behandeln und die Gefahr von Komplikationen für den Patienten zu verringern.
  • KURZE BESCHREIBUNG DER ZEICHNUNGEN
  • 1 zeigt eine schematische Darstellung gemäß einer Ausführung der vorliegenden Erfindung;
  • 2 zeigt ein Blockdiagramm gemäß einer Ausführung der vorliegenden Erfindung;
  • 3 zeigt eine Draufsicht einer Sensoren-Anordnung gemäß einer Ausführung der vorliegenden Erfindung;
  • 4 zeigt eine Schnittansicht von 3 entlang A-A; und
  • 5 zeigt eine schematische Darstellung einer Detektions-Elektrode gemäß einer Ausführung der vorliegenden Erfindung.
  • DETAILLIERTE BESCHREIBUNG DER BEVORZUGTEN AUSFÜHRUNGEN
  • Details und technische Inhalte der vorliegenden Erfindung werden mit den beiliegenden Zeichnungen unten stehend dargelegt.
  • 1 und 2 zeigen eine schematische Darstellung und ein Blockdiagramm von einem medizinischen Beatmungsgerät gemäß einer Ausführung der vorliegenden Erfindung. In Bezug auf 1 und 2 umfasst ein medizinisches Beatmungsgerät mit einer Pneumonie- und Pneumokokken-Erkrankungs-Analysefunktion mittels Gas-Erkennung eine Sensoren-Anordnung 10, einen Sensoren-Schaltkreis 20, einen Stochastisches-Neural-Netzwerk-Chip 30, einen Speicher 40 und einen Mikrokontroller 50. 3 und 4 zeigen eine Draufsicht von einer Sensoren-Anordnung und eine Schnittansicht von 3 entlang A-A gemäß einer Ausführung der vorliegenden Erfindung. Im Bezug auf 3 und 4 umfasst die Sensoren-Anordnung 10 ein Substrat 11, eine Heizschicht 12, eine Isolationsschicht 13 und eine Vielzahl von angeordneten Detektions-Einheiten 14. Die Heizschicht 12 ist auf dem Substrat 11 vorgesehen. Zum Beispiel kann das Substrat 11 aus einem Material hergestellt sein, das aus der Gruppe ausgewählt wurde, welche Glas, Indiumzinnoxid (ITO) und Polyethylenterephthalat (PET) umfasst. Die Heizschicht 12 wird aus einem Material hergestellt, das auf eine Temperatur höher als die Raumtemperatur erhitzt werden kann. In einer Ausführung der vorliegenden Erfindung kann die Heizschicht 12 aus ITO hergestellt sein und empfängt vorzugsweise einen Strom und wird auf eine Temperatur zwischen 30°C und 70°C erhitzt. Die Isolationsschicht 13 ist auf der Heizschicht 12 vorgesehen und kann aus PET hergestellt sein.
  • Die Detektions-Einheiten 14 sind auf der Isolationsschicht 13 angebracht und sind als Array oder Muster angeordnet. In der Ausführung können die Detektions-Einheiten 14 in einem 8 × 4 Array arrangiert sein und sind vorzugsweise 100 μm voneinander entfernt. Jede der Detektions-Einheiten 14 umfasst mindestens eine Detektions-Elektrode 141, einen Trennabschnitt 142 und einen Reaktions-Messfilm 143. In der vorliegenden Erfindung kann der Reaktions-Messfilm 143 aus mindestens einem Material hergestellt werden, das aus der Gruppe ausgewählt wird, welche Carboxymethyl Cellulose Ammoniak Salz (CMC-NH4), Polystyrein (PS), Poly(Ethylen Adipat), Poly(Ethylen Oxid) (PEO), Polycaprolacton, Poly(Ethylen Glycol) (PEG), Poly(Vinylbenzyl Chlorid) (PVBC), Poly(Methylvinyl Ether-Alt-Maleic Säure ), Poly(4-Vinylphenol-Co-Methyl Methacrylat), Ethyl Cellulose (EC), Poly(Vinyliden Chloride-Co-Acrylonitril) (Pvdcan), Polyepichlorohydrin (PECH), Polyethyleneimin, Beta-Amyloid(1-40), Human Galectin-1 Or Human Albumin, Styren/Allyl Alkohol (SAA) Copolymer, Poly(Ethylen-Co-Vinyl Acetat), Polyisobutylen (PIB), Poly(Acrylonitril-Co-Butadien), Poly(4-Vinylpyridine), Hydroxypropyl Methyl Cellulose, Polyisopren, Poly(Alpha-Methylstyren), Poly(Epichlorohydrin-Co-Ethylen Oxid), Poly(Vinyl Butyral-Co-Vinyl Alkohol-Vinyl Acetat), Polystyren (PS), Lignin, Acylpeptid, Poly(Vinyl Proplonat), Poly(Vinyl Pyrrolidon) (PVP), Poly(Dimer Acid-Co-Alkyl Polyamin), Poly(4-Vinylphenol), Poly(2-Hydroxyethyl Methacrylat), Poly(Vinyl Chlorid-Co-Vinyl Acetat), Cellulose Triacetat, Poly(Viny Stearat), Poly(Bisphenol A Karbonat) (PC), Poly(Vinyliden Fluorid (PVDF) umfasst. In der Ausführung kann die Anzahl der Detektions-Elektroden 141 in jeder der Detektions-Einheiten 14 vier betragen und die Detektions-Elektroden 141 sind vorzugsweise im Abstand von 30 μm zueinander angebracht. Als Solches kann die Anzahl der Detektions-Elektroden 141 auch 128 betragen. Jedoch kann die Anzahl der Detektions-Elektroden 141 entsprechend der verschiedenen Anwendungsanforderungen modifiziert werden und ist nicht limitiert durch das Beispiel in dieser Ausführung.
  • In Bezug auf 5 umfasst jede der Detektions-Elektroden 141 eine erste Elektrode 1411 und eine zweite Elektrode 1412. Die erste Elektrode 1411 umfasst eine erste streifenartige Elektrode 1411a und eine erste fingerartige Elektrode 1411b. Die zweite Elektrode 1412 umfasst eine zweite streifenartige Elektrode 1412a und eine zweite fingerartige Elektrode 1412b. Die erste streifenartige Elektrode 1411a und die zweite streifenartige Elektrode 1412a erstrecken sich entlang einer ersten axialen Richtung und sind parallel. Die erste fingerartige Elektrode 1411b erstreckt sich von der ersten streifenartigen Elektrode 1411a her zu der zweiten streifenartigen Elektrode 1412a hin, entlang einer zweiten axialen Richtung. Die zweite fingerartige Elektrode 1412b erstreckt sich von der zweiten streifenartigen Elektrode 1412a her zu der ersten streifenartigen Elektrode 1411a hin, entlang der zweiten axialen Richtung. Die erste fingerartige Elektrode 1411b und die zweite fingerartige Elektrode 1412b sind parallel und wechselweise angeordnet. Die erste axiale Richtung ist verschieden von der zweiten axialen Richtung. In dem Ausführungsbeispiel ist die erste axiale Richtung senkrecht zu der zweiten axialen Richtung. Ferner kann die Detektions-Elektrode 141 aus mindestens einem Material hergestellt werden, das aus der Gruppe ausgewählt wird, welche aus ITO, Kupfer, Nickel, Chrom, Eisen, Wolfram, Phosphor, Kobalt und Silber besteht. Der Trennabschnitt 142 umfasst eine Vielzahl von Trennwänden 1421 wegweisend von der Isolationsschicht 13 und sich nach oben erschreckend. Die Trennwände 1421 umgeben die Detektions-Elektrode 141, um einen Aufnahmeraum 1422 auszubilden. Der Reaktions-Messfilm 143 ist in dem Aufnahmeraum 1422 in dem Trennabschnitt 142 vorgesehen und steht in Kontakt mit der Detektions-Elektrode 141. In der Anwendung kommt der Reaktions-Messfilm 143 in Kontakt mit einem zu testenden Gas, um eine elektrochemische Reaktion hervorzurufen, damit die Detektions-Elektrode 141 ein Erkennungssignal erzeugt, welches zu dem jeweiligen zu testenden Gas korrespondiert.
  • Der Sensoren-Schaltkreis 20 liest die Erkennungs-Signale aus und analysiert diese, um eine Vielzahl von Gas-Muster-Signalen 201 zu erzeugen, die zu der Vielzahl von zu testenden Gasen korrespondieren. Gemäß einer kollektiven Reaktion, welche die gesamte Anordnung für die gemischten Gase produziert, generiert die Sensoren-Anordnung 10 eine Vielzahl von Gas-Muster-Signalen 201, die zu den zu testen Gasen korrespondieren, durch den Sensoren-Schaltkreis 20. Der stochastische neurale Netzwerk-Chip 30 verstärkt die Unterschiede zwischen der Vielzahl von Gas-Muster-Signalen 201 und reduziert eine Dimension der Vielzahl der Gas-Muster-Signale 201, um ein Analyse-Ergebnis 301 zu erzeugen.
  • Des Weiteren kann der stochastische neurale Netzwerk-Chip 30 die Hauptcharakteristiken der Signale mit Hilfe eines intelligenten Algorithmus einfangen und eine Ausgabe zur Verfügung stellen, die eine Dimension weniger besitzt als die Dimension der ursprünglichen Signale um den Rechenaufwand des Backend-Systems zu reduzieren. Der Speicher 40 speichert die Gas-Trainings-Daten 401, die Gas-Daten umfassen, welche von verschiedenen Bakterien von verschiedenen Komplikationen erzeugt wurden und andere Gas-Daten. Der Mikrokontroller 50 empfängt das Analyse-Ergebnis 301 und führt einen Mischgas-Erkennungs-Algorithmus 501 gemäß dem Analyse-Ergebnis 301 aus, um die Arten der Vielzahl von zu testenden Gasen zu erkennen; kategorisiert ein unbekanntes Gas, das nicht in den Gas-Trainings-Daten 401 vorhanden ist; und erzeugt ein Erkennungs-Ergebnis 502 gemäß den Gas-Trainings-Daten 401.
  • Des Weiteren, wenn der Mikrokontroller 50 ein unbekanntes Gas detektiert, das nicht in den Gas-Trainings-Daten 401 vorhanden ist, kategorisiert der Mikrokontroller 50 automatisch das unbekannte Gas und sendet die unbekannten Gas-Daten entsprechend dem unbekannten Gas an den Sensoren-Schaltkreis 20, den neuralen Netzwerk-Chip 30 und den Speicher 40. Als solches kann der Sensoren-Schaltkreis 20 weitere Erkennungen gemäß den unbekannten Gas-Daten durchführen, wobei der stochastische neurale Netzwerk-Chip 30 gemäß den unbekannten Gas-Daten sich umtrainieren kann, und wobei der Speicher 40 ein oder mehrere Sätze von Gas-Trainings-Daten gemäß den unbekannten Gas-Daten hinzufügen kann.
  • Zusammenfassend wird ein medizinisches Beatmungsgerät 1 mit einer Pneumonie- und Pneumokokken-Erkrankungs-Analysefunktion mittels Gas-Erkennung offenbart, das eine Sensoren-Anordnung 10, einen Sensoren-Schaltkreis 20, einen stochastischen neuralen Netzwerk-Chip 30, einen Speicher 40 und einen Mikrokontroller 50 umfasst. Die Sensoren-Anordnung erkennt eine Vielzahl von zu testenden Gasen und erzeugt eine Vielzahl von Erkennungs-Signalen, die zu den zu testenden Gasen korrespondieren. Der Sensoren-Schaltkreis 20 liest und analysiert die Erkennungs-Signale, um eine Vielzahl von Gas-Muster-Signalen 201 zu erzeugen, die zu den zu testenden Gasen korrespondieren. Der stochastische neurale Netzwerk-Chip 30 reduziert eine Dimension der Gas-Muster-Signale 201, um ein Analyse-Ergebnis 301 zu generieren. Der Speicher 40 speichert Gas-Trainings-Daten 401. Der Mikrokontroller 50 empfängt das Analyse-Ergebnis 201 und infiziert die Arten der zu testenden Gase gemäß dem Analyse-Ergebnis 201.
  • Aus dem oben genannten ist bekannt, dass vorliegende Erfindung die folgenden Effekte verglichen mit dem Stand der Technik bereitstellt. Da das medizinische Beatmungsgerät der vorliegende Erfindung einen Gas-Erkennungs-Chip, zusätzlich zum Bereitstellen einer Beatmungsfunktion für den Patienten, umfasst, ist das medizinische Beatmungsgerät der vorliegende Erfindung des Weiteren in der Lage, frühzeitig den Typus der bakteriellen Infektion der Atemwege und der Lungen und die damit verbundenen Komplikationen für den Patienten zu erkennen, damit diese Symptome in Echtzeit und präzise behandelt werden können.
  • ZITATE ENTHALTEN IN DER BESCHREIBUNG
  • Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
  • Zitierte Patentliteratur
    • US 2007/0068528 A1 [0003]
    • TW 437177 U1 [0004]

Claims (10)

  1. Medizinisches Beatmungsgerät (1) mit einer Pneumonie- und Pneumokokken-Erkrankungs-Analysefunktion mittels Gas-Erkennung, umfassend: eine Sensoren-Anordnung (10), die ein Substrat (11), eine Heizschicht (12) auf dem Substrat (11), eine Isolationsschicht (13) und eine Vielzahl von Detektions-Einheiten (14) umfasst, die auf der Isolierschicht (13) angeordnet sind, wobei jede der Detektions-Einheiten (14) zumindest eine Detektions-Elektrode (141), einen Trennabschnitt (142), der die Detektions-Elektrode (141) umgibt, und einen Reaktions-Messfilm (143) aufweist, wobei die Detektions-Elektrode (141) eine erste Elektrode (1411) und eine zweite Elektrode (1412) umfasst, wobei die erste Elektrode (1411) eine erste streifenartige Elektrode (1411a) und eine erste fingerartige Elektrode (1411b) aufweist, die sich von der ersten streifenartigen Elektrode (1411a) erstreckt, wobei die zweite Elektrode (1412) eine zweite streifenartige Elektrode (1412a) und eine zweite fingerartige Elektrode (1412b) aufweist, die sich von der zweiten streifenartigen Elektrode (1412a) erstreckt, wobei die erste fingerartige Elektrode (1411b) und die zweite fingerartige Elektrode (1412b) abwechselnd angeordnet sind, wobei die Reaktions-Messfilm (143) sich in einem Aufnahmeraum (1422) in dem Trennabschnitt (142) befindet und in Kontakt mit der Detektions-Elektrode (141) steht, wobei die Reaktions-Messfilm (143) in Kontakt mit einer Vielzahl von zu testenden Gasen kommt, um eine elektrochemische Reaktion zu erzeugen, um die Detektions-Elektrode (141) zu veranlassen, eine Vielzahl von Erkennungs-Signalen zu erzeugen, die einer Vielzahl von zu testenden Gasen entsprechen; einen Sensoren-Schaltkreis (20), der die Erkennungs-Signale ausliest und analysiert, um eine Vielzahl von Gasmuster-Signalen (201) zu erzeugen, die einer Vielzahl von zu testenden Gasen entsprechen; einen stochastischen neuralen Netzwerk-Chip (30), der Unterschiede zwischen den Gasmuster-Signalen (201) verstärkt und eine Dimension der Gasmuster-Signale (201) reduziert, um ein Analyse-Ergebnis (301) zu erzeugen; einen Speicher (40), der Gas-Trainings-Daten (401) speichert; und einen Mikrokontroller (50), der das Analyse-Ergebnis (301) empfängt, der einen Gas-Erkennungs-Algorithmus (501) entsprechend dem Analyse-Ergebnis (301) durchführt, um Arten von der Vielzahl von zu testenden Gasen zu identifizieren, der ein unbekanntes Gas, das nicht in den Gas-Trainings-Daten (401) enthalten ist, kategorisiert und der ein Erkennungs-Ergebnis (502) entsprechend den Gas-Trainings-Daten (401) erzeugt.
  2. Medizinisches Beatmungsgerät (1) mit einer Pneumonie- und Pneumokokken-Erkrankungs-Analysefunktion mittels Gas-Erkennung nach Anspruch 1, wobei wenn der Mikrokontroller (50) das unbekannte Gas erkennt, das nicht in den Gas-Trainings-Daten (401) enthalten ist, der Mikrokontroller (50) die unbekannten Gas-Daten, die zu dem unbekannten Gas korrespondieren, an den Sensoren-Schaltkreis (20), den stochastischen neuralen Netzwerk-Chip (30) und den Speicher (40) überträgt, wobei der Sensoren-Schaltkreis (20) eine Erkennung durchführt gemäß den unbekannten Gas-Daten aus, wobei der stochastische neurale Netzwerk-Chip (30) gemäß den unbekannten Gas-Daten sich umtrainiert und wobei der Speicher (40) einen weiteren Satz an Gas-Trainings-Daten (401) gemäß den unbekannten Gas-Daten hinzufügt.
  3. Medizinisches Beatmungsgerät (1) mit einer Pneumonie- und Pneumokokken-Erkrankungs-Analysefunktion mittels Gas-Erkennung nach Anspruch 1 oder 2, wobei das Substrat (11) aus einem Material aus der Gruppe ausgewählt ist, die Glas, Indiumzinnoxid (ITO) und Polyethylenterephthalat (PET) umfasst.
  4. Medizinisches Beatmungsgerät (1) mit einer Pneumonie- und Pneumokokken-Erkrankungs-Analysefunktion mittels Gas-Erkennung nach einem der vorhergehenden Ansprüche, wobei die Heizschicht (12) einen Strom empfängt und auf eine Temperatur zwischen 30° und 70°C erhitzt wird.
  5. Medizinisches Beatmungsgerät (1) mit einer Pneumonie- und Pneumokokken-Erkrankungs-Analysefunktion mittels Gas-Erkennung nach einem der vorhergehenden Ansprüche, wobei die Heizschicht (12) aus Indiumzinnoxid (ITO) hergestellt ist.
  6. Medizinisches Beatmungsgerät (1) mit einer Pneumonie- und Pneumokokken-Erkrankungs-Analysefunktion mittels Gas-Erkennung nach einem der vorhergehenden Ansprüche, wobei die Isolationsschicht (13) aus Polyethylenterephthalat (PET) hergestellt ist.
  7. Medizinisches Beatmungsgerät (1) mit einer Pneumonie- und Pneumokokken-Erkrankungs-Analysefunktion mittels Gas-Erkennung nach einem der vorhergehenden Ansprüche, wobei die Detektions-Elektrode (141) aus einem Material aus einer Gruppe ausgewählt ist, die Indiumzinnoxid (ITO), Kupfer, Nickel, Chrom, Eisen, Wolfram, Phosphor, Kobalt und Silber umfasst.
  8. Medizinisches Beatmungsgerät (1) mit einer Pneumonie- und Pneumokokken-Erkrankungs-Analysefunktion mittels Gas-Erkennung nach einem der vorhergehenden Ansprüche, wobei der Trennabschnitt (142) weg von der Isolationsschicht (13) eine Vielzahl von Trennwänden (1421) umfasst und sich nach oben erstreckt, und wobei die Trennwände (1421) ihn umgeben, um den Aufnahmeraum (1422) zu bilden.
  9. Medizinisches Beatmungsgerät (1) mit einer Pneumonie- und Pneumokokken-Erkrankungs-Analysefunktion mittels Gas-Erkennung nach einem der vorhergehenden Ansprüche, wobei sich die erste streifenartige Elektrode (1411a) und die zweite streifenartige Elektrode (1412a) der Detektions-Elektrode (141) entlang einer ersten axialen Richtung erstrecken und parallel sind, wobei die erste fingerartige Elektrode (1411b) sich von der ersten streifenartigen Elektrode (1411a) in Richtung der zweiten streifenartigen Elektrode (1412b) erstreckt, entlang einer zweiten axialen Richtung, die verschieden von der ersten axialen Richtung ist, wobei die zweite fingerartige Elektrode (1412b) sich von der zweiten streifenartigen Elektrode (1412a) in Richtung der ersten streifenartigen Elektrode (1411a), entlang der zweiten axialen Richtung erstreckt, und wobei die erste fingerartige Elektrode (1411b) und die zweite fingerartige Elektrode (1412b) parallel sind.
  10. Medizinisches Beatmungsgerät (1) mit einer Pneumonie- und Pneumokokken-Erkrankungs-Analysefunktion mittels Gas-Erkennung nach Anspruch 9, wobei die erste axiale Richtung senkrecht zu der zweiten axialen Richtung ist.
DE102016106188.3A 2015-12-11 2016-04-05 Medizinisches Beatmungsgerät mit einer Pneumonie- und Pneumokokken-Erkrankungs-Analysefunktion mittels Gas-Erkennung Pending DE102016106188A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
TW104141669 2015-12-11
TW104141669A TWI565945B (zh) 2015-12-11 2015-12-11 一種利用氣體辨識而具肺炎感染與肺炎菌種疾病分析功能的呼吸器

Publications (1)

Publication Number Publication Date
DE102016106188A1 true DE102016106188A1 (de) 2017-06-14

Family

ID=58408092

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102016106188.3A Pending DE102016106188A1 (de) 2015-12-11 2016-04-05 Medizinisches Beatmungsgerät mit einer Pneumonie- und Pneumokokken-Erkrankungs-Analysefunktion mittels Gas-Erkennung

Country Status (5)

Country Link
US (1) US20170164873A1 (de)
JP (1) JP6392811B2 (de)
CN (1) CN106886673A (de)
DE (1) DE102016106188A1 (de)
TW (1) TWI565945B (de)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3795986B1 (de) 2019-09-19 2023-06-07 Université catholique de Louvain Herstellungsverfahren für mehrpixel-gasmikrosensoren mit mehrfacherfassungsfähigkeiten
US20220412952A1 (en) * 2019-12-01 2022-12-29 Nanoscent Ltd. Use of a chemiresistor sensor for improving health
TWI772776B (zh) * 2020-04-09 2022-08-01 美商艾諾斯股份有限公司 肺炎偵測裝置
LU101785B1 (en) 2020-05-08 2021-11-08 Jerome Canady Research Institute For Advanced Biological And Tech Sciences System for treatment of respiratory infections and lung cancer with cold atmospheric plasma
WO2021206771A1 (en) 2020-04-10 2021-10-14 Jerome Canady Research Institute for Advanced Biological and Technological Sciences System and method for treatment of respiratory infections and lung cancer with cold atmospheric plasma
US11793968B2 (en) 2020-04-10 2023-10-24 Jerome Canady Research Institute for Advanced Biological and Technological Sciences Method for treatment of respiratory infections and cancers of the respiratory system using cold atmospheric plasma
JP2023545337A (ja) 2020-04-10 2023-10-30 ジェローム カナディ リサーチ インスティチュート フォー アドバンスト バイオロジカル アンド テクノロジカル サイエンシズ 寒冷大気圧プラズマを用いた呼吸器感染および肺がんの処置のためのシステムおよび方法
KR102289600B1 (ko) * 2020-09-14 2021-08-13 재단법인 구미전자정보기술원 탄소 나노 벽에 기초한 호기 내의 물질 검출하는 센서 및 방법
TWI777833B (zh) * 2021-10-29 2022-09-11 長庚醫療財團法人林口長庚紀念醫院 慢性腎臟病預測方法及系統
TWI812135B (zh) * 2022-03-30 2023-08-11 正修學校財團法人正修科技大學 肺炎遠端檢測系統及其方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030176804A1 (en) * 2002-01-22 2003-09-18 Melker Richard J. Method and apparatus for monitoring respiratory gases during anesthesia
US20050150778A1 (en) * 2002-11-18 2005-07-14 Lewis Nathan S. Use of basic polymers in carbon black composite vapor detectors to obtain enhanced sensitivity and classification performance for volatile fatty acids
US20070068528A1 (en) 2004-03-26 2007-03-29 Stephan Bohm Non-invasive method and apparatus for optimizing the respiration of atelectatic lungs
TWM437177U (en) 2012-05-14 2012-09-11 Sls Medical Technology Corp Ltd Respirator capable of displaying suspension particle concentration level
US20130197384A1 (en) * 2012-02-01 2013-08-01 National Tsing Hua University Medical Ventilator Capable of Early Detecting and Recognizing Types of Pneumonia, Gas Recognition Chip, and Method for Recognizing Gas Thereof

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4847783A (en) * 1987-05-27 1989-07-11 Richard Grace Gas sensing instrument
ATE298086T1 (de) * 1999-03-09 2005-07-15 Osmetech Plc Diagnostisches verfahren durch analyse von kondensierung aus atmungs gas
JP2000258376A (ja) * 1999-03-10 2000-09-22 Kubota Corp マイクロヒータ及びマイクロヒータの作製方法
JP4513161B2 (ja) * 2000-03-31 2010-07-28 東亞合成株式会社 ガスセンサの製造方法及びガスセンサ
JP2002071612A (ja) * 2000-09-05 2002-03-12 Tdk Corp 湿度センサ
US20020100697A1 (en) * 2000-12-19 2002-08-01 Quinn David B. Gas sensor with uniform heating and method of making same
CN1325907C (zh) * 2001-02-21 2007-07-11 巴西农业研究公司 通过总体选择性分析混合物的传感器及其在传感器系统中的应用
US7241477B2 (en) * 2003-07-21 2007-07-10 Delphi Technologies, Inc. Methods of treating electrodes and gas sensors comprising the electrodes
TW587165B (en) * 2003-08-27 2004-05-11 Ind Tech Res Inst Gas sensor and the manufacturing method thereof
JP4450598B2 (ja) * 2003-10-02 2010-04-14 北陸電気工業株式会社 湿度センサ及びその製造方法
US7763208B2 (en) * 2003-11-12 2010-07-27 E.I. Du Pont De Nemours And Company System and method for sensing and analyzing gases
JP2005291886A (ja) * 2004-03-31 2005-10-20 Tdk Corp 湿度センサ素子の製造方法及び湿度センサ素子
EP1758981A4 (de) * 2004-05-28 2013-01-16 Wafergen Inc Vorrichtungen und verfahren für multiplex-analysen
JP2007033416A (ja) * 2005-07-29 2007-02-08 Yokohama National Univ プロトン受容型ガスセンサーの駆動方法、ガス検出方法、及びプロトン受容型ガスセンサー装置
KR100799577B1 (ko) * 2006-08-31 2008-01-30 한국전자통신연구원 가스 및 생화학물질 감지용 센서 제조 방법과 그 센서를포함하는 집적회로 및 그 제조 방법
JP4925835B2 (ja) * 2007-01-12 2012-05-09 日東電工株式会社 物質検知センサ
CN100520385C (zh) * 2007-04-27 2009-07-29 电子科技大学 聚苯胺/纳米氧化物复合薄膜微气体传感器阵列的制备方法
FR2936604B1 (fr) * 2008-09-29 2010-11-05 Commissariat Energie Atomique Capteurs chimiques a base de nanotubes de carbone, procede de preparation et utilisations
US8551571B2 (en) * 2011-11-10 2013-10-08 Chung-Shan Institute of Science and Technology, Armaments Bureau, Dept. of National Defense Method for making a conductive polymer composite for detecting a sort of gas
CN102604827B (zh) * 2012-03-31 2014-01-29 中国科学院上海微系统与信息技术研究所 非接触式电导法实现pcr反应过程的实时检测系统和方法
US9820692B2 (en) * 2012-05-10 2017-11-21 The Regents Of The University Of California Wearable electrochemical sensors
EP2762880B1 (de) * 2013-01-31 2017-03-15 Sensirion AG Tragbare elektronische Vorrichtung mit Atemanalysator
US9816954B2 (en) * 2014-01-31 2017-11-14 Stmicroelectronics S.R.L. Sensor of volatile substances and process for manufacturing a sensor of volatile substances
CN203786076U (zh) * 2014-04-24 2014-08-20 西安科技大学 差动电容式甲烷浓度传感结构

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030176804A1 (en) * 2002-01-22 2003-09-18 Melker Richard J. Method and apparatus for monitoring respiratory gases during anesthesia
US20050150778A1 (en) * 2002-11-18 2005-07-14 Lewis Nathan S. Use of basic polymers in carbon black composite vapor detectors to obtain enhanced sensitivity and classification performance for volatile fatty acids
US20070068528A1 (en) 2004-03-26 2007-03-29 Stephan Bohm Non-invasive method and apparatus for optimizing the respiration of atelectatic lungs
US20130197384A1 (en) * 2012-02-01 2013-08-01 National Tsing Hua University Medical Ventilator Capable of Early Detecting and Recognizing Types of Pneumonia, Gas Recognition Chip, and Method for Recognizing Gas Thereof
TWM437177U (en) 2012-05-14 2012-09-11 Sls Medical Technology Corp Ltd Respirator capable of displaying suspension particle concentration level

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
BERGGREN, Christine; BJARNASON, Bjarni; JOHANSSON, Gillis. Capacitive biosensors. Electroanalysis, 2001, 13. Jg., Nr. 3, S. 173-180 *

Also Published As

Publication number Publication date
JP2017104487A (ja) 2017-06-15
TW201721139A (zh) 2017-06-16
TWI565945B (zh) 2017-01-11
JP6392811B2 (ja) 2018-09-19
CN106886673A (zh) 2017-06-23
US20170164873A1 (en) 2017-06-15

Similar Documents

Publication Publication Date Title
DE102016106188A1 (de) Medizinisches Beatmungsgerät mit einer Pneumonie- und Pneumokokken-Erkrankungs-Analysefunktion mittels Gas-Erkennung
DE69826117T2 (de) Nachweis von medizinischen zuständen durch die analyse von ausgeatmetem gas- oder dampf
DE69736127T2 (de) Nachweis von konditionen durch gas- oder dampfanalyse
CN106510619B (zh) 基于复杂网络的心电信号分析方法及在智能穿戴上的应用
DE202019005960U1 (de) Verwalten von Atembeschwerden auf Basis von Geräuschen des Atemsystems
DE112019005078T5 (de) Ein intelligentes kardio-pulmonales untersuchungsgerät für telemedizinische anwendungen
CN109715067A (zh) 使用批量可校准测试条测量分析物的方法和系统
EP2729801B1 (de) Vorrichtung und verfahren zur analyse von flüchtigen organischen verbindungen in gasförmigen proben
DE102013022016B4 (de) Mikroben-Identifizierung durch Massenspektrometrie und Infrarot-Spektrometrie
DE69528806T2 (de) Analysegerät
Tolhurst et al. Organization of neurones preferring similar spatial frequencies in cat striate cortex
DE102016106186A1 (de) Gassensor und Herstellungsverfahren desselben
DE29902593U1 (de) Gasanalysator für die medizinische Diagnostik
WO2021108822A1 (de) Lungentestvorrichtung
DE102014210574A1 (de) Messvorrichtung und Verfahren zur Bestimmung der asthmatisch wirksamen Belastung bei einem Menschen oder Tier
Hobday et al. The relationship between daily asthma attendance, weather parameters, spore count and pollen count
Asim Iqbal et al. An optimal asthma disease detection technique for voice signal using hybrid machine learning technique
DE102015210622A9 (de) Nachweisvorrichtung, -verfahren und -programm für biologisches Gas
EP3935648B1 (de) System zur akustischen erkennung von obstruktionsarten bei der schlafapnoe und entsprechendes verfahren
AT523234A2 (de) Lungentestvorrichtung
Kota et al. A low-power ECG readout circuit integrated with machine learning based ECG heartbeat classifier
Zamora-Mendoza et al. Determination of global chemical patterns in exhaled breath for the discrimination of lung damage in postCOVID patients using olfactory technology
Lowell et al. The induction of asthmalike attacks in subjects with “idiopathic” asthma
Bhattacharyya et al. Novel algorithm to identify and differentiate specific digital signature of breath sound in patients with diffuse parenchymal lung disease
DE102007012210A1 (de) Transportabler Pneumotachograph zur Messung von Bestandteilen des Exspirationsvolumens sowie ein Verfahren hierzu

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R016 Response to examination communication