基于光腔衰荡光谱技术的多组分呼吸生物标记物同时检测方法研究

Due to the complexity of human body’s metabolism and the cross-interference of various disease formation mechanisms, single exhaled nitrous oxide (N2O) concentration can’t be used as a reliable reference for the infection of H.pylori. Nitric oxide (NO) gas is the product of aerobic denitrification in human stomach. Its concentration can indirectly reflect the infection status of H.pylori. Therefore, this project proposes a new method to diagnose H.pylori infection by simultaneously measuring the trace concentration of exhaled N2O and NO. Besides, multi-component measurements are always based on multi-optical sources and multi-gas cells, which would introduce additional noises of optics and electronics to the system. Therefore, in this project, high-sensitive cavity ring-down spectroscopy using a continuous-wave external cavity quantum cascade laser, combined with optical frequency comb and wavelength scanning mechanism, coherent detection and frequency division multiplexing technology, a dual-optimized adaptive Kalman filtering algorithm based on back propagation neural network and variance compensation, achieves the simultaneous measurements of exhaled N2O and NO concentration with real time and high sensitivity. Finally, this technique can be used to further study the gastric H.pylori infection and the pathology of related gastric diseases, providing a more scientific and accurate technical means for the non-destructive diagnosis of diseases.

受人体代谢的复杂性以及各种疾病形成机理交叉干扰的影响，目前，单一口腔呼出一氧化二氮（N2O）浓度难以作为幽门螺旋杆菌感染临床诊断的可靠参考依据。一氧化氮（NO）作为人体胃部有氧反硝化反应的产物，其浓度也间接反映了幽门螺旋杆菌感染情况。为此，本项目提出了一种通过同时测量口腔呼吸气中痕量浓度的N2O和NO来诊断幽门螺旋杆菌感染的新方法。针对基于多光源和多气体池的多组分气体测量技术会引入额外光学和电子学噪声的问题，拟采用基于单一宽调谐外腔量子级联激光器的高灵敏光腔衰荡光谱技术，融合光频梳和波长扫描机制，结合相干检测与频分复用技术，构建反向传播神经网络和方差补偿双重优化的自适应卡尔曼滤波算法模型，实现口腔呼出气中的N2O和NO浓度实时、高灵敏、同时测量。这一技术最终可用于深入研究胃部幽门螺杆菌感染和相关胃病的病理，为相关疾病的无损诊断提供一种更加科学和准确的技术手段。

人体口腔呼吸气体中包含了大量的挥发性有机气体成分(Volatile Organic Compounds，VOCs)和无机气体成分。这些气体可以作为疾病的标志性气体，利用检测典型的口腔诊断气体有望成为一种方便、实时、无损的疾病诊断新手段，为医生患者双方带来便利。.我们使用热电冷却连续波(CW) 室温(RT)量子级联激光器(QCL)搭建了高分辨率光谱传感系统，同时测量了口腔呼出一氧化碳(CO)和氮氧化物(N2O)气体。CO和N2O的检测限(1σ)为1.14 ppb和1.12 ppb。对吸烟者和不吸烟者人群呼出的CO和N2O的典型浓度进行了分析。为进一步提高口腔呼吸气体测量灵敏度提出了一种基于BP神经网络和方差补偿双重优化自适应卡尔曼滤波算法。利用BP神经网络对该模型进行优化卡尔曼滤波(KF)参数。通过引入方差补偿来跟踪系统的状态并消除动态系统参数的变化。与传统的多信号算法相比，DO-AKF算法表现出了最佳的性能。实验结果显示灵敏度 增强因子为23。实验结果表明，基于CW-QCL的传感器具有良好的性能，通过无创，在线识别和量化的生物标志物方面具有巨大的潜力。 .谱线强度、谱线展宽系数等光谱参数的精确值对气体分析仪器的研制具有重要意义。因此，我们建立了适用于呼吸气体测量的光谱数据库。此外，中红外对应着大多数分子的强吸收基频带，是发展高灵敏激光吸收光谱的理想波段，目前该波段的光电探测器主要有碲镉汞探测器和量子阱探测器总体上成本较高。为此，我们提出了开发了一种基于标准石英晶体音叉的新型光电探测器。我们利用QCTF的 光热效应和压电特性来测量光强，具有抗干扰、微型化、价格低、无波长响应带宽限制等优点。为了提高QCTF探测器性能，提出一种石英音叉光热探测性能的增强方法。通过在石英音叉表面涂敷二维半导体吸热材料—超薄铁掺杂氧化钴（Fe-CoO）涂层来提升石英音叉表面的光热吸收效率，从而提升石英音叉的探测灵敏度。相关技术可应用于大气痕量气体、温室气体以及挥发性有机物等气体分子实时在线监测。该检测技术为研制无带宽限制和复杂低温冷却的新型光电探测器开辟了新的途径。