研究内容

人工嗅觉系统已广泛应用于医学领域，如分析人类呼出气体中的挥发性有机化合物(VOC)。然而，医疗保健行业仍然迫切需要便携式、准确的呼吸VOC分析系统。

深圳大学张学记、Long Xu和许太林 提出了一种Janus比色面罩(JCFM)，通过结合机器学习K近邻(K-NN)算法来评估呼吸氨(NH 3 )水平。欧几里得距离(ED)用于定量描述1 ppm至10 ppm之间的氨浓度，表明氨浓度与ED响应之间存在线性关系(R 2 =0.988)。基于RGB响应特征的K-NN算法有助于分析目标氨水平，预测准确率达到96%。相关工作以“ Machine Learning-Assisted Janus Colorimetric Face Mask for Breath Ammonia Analysis ”为题发表在国际著名期刊 Analytical Chemistry 上。

研究要点

要点1. 作者将Janus比色阵列与面罩(JCFM)集成，并结合机器学习K-最近邻(K-NN)分类算法，准确地评估呼吸氨(NH 3 )水平。这种Janus织物作为比色阵列的基底，其两侧具有相反的润湿性，有助于单向透气水分转移，保持面部皮肤友好。

要点2. 比色阵列上的四种不同pH指示剂充当与NH 3 发生交叉反应的识别元件，通过模仿哺乳动物复杂的嗅觉结构来捕捉呼吸氨的光学指纹信息。智能手机用于扫描具有捕获RGB特征的传感器阵列，以获得总共12维RGB信息。

要点3. 欧几里得距离(ED)用于定量描述1 ppm至10 ppm之间的氨浓度，表明氨浓度与ED响应之间存在线性关系(R 2 =0.988)。基于RGB响应特征的K-NN算法有助于分析目标氨水平，预测准确率达到96%。

该研究将比色法、Janus设计和机器学习相结合，提出了一种用于呼吸氨分析的可穿戴便携式传感系统。

研究图文

图1. Janus织物的特性。

图2. 比色阵列对氨的反应及其生物相容性。

图3. 比色阵列与K-NN分类算法相结合，有助于确定呼吸氨浓度。

文献详情

Machine Learning-Assisted Janus Colorimetric Face Mask for Breath Ammonia Analysis

Jing Wang, Zhongzeng Zhou, Yong Luo, Tailin Xu,* Long Xu,* Xueji Zhang*

Anal. Chem.

DOI: https://doi.org/10.1021/acs.analchem.3c04383

版权声明： 「崛步化学」旨在分享学习交流化学、材料等领域的最新资讯及研究进展。编辑水平有限，上述仅代表个人观点。投稿，荐稿或合作请后台联系编辑。感谢各位关注！