QCM tabanlı elektronik burnun diyabet hasta nefesine verdiği tepkilerin incelenmesi

Abstract

Bu çalışmada, QCM tabanlı Elektronik Burnun diyabet hasta nefesine verdiği tepkiler incelenerek diyabet hastalarının nefesindeki aseton ile kan şekeri değerinin belirlenmesi hedeflenmiştir. İnsan nefesindeki aseton konsantrasyonu 0,1-10 ppm gibi çok düşük seviyelerdedir. Düşük seviyedeki aseton konsantrasyonun sensörlerce algılanabilmesi için uçucu organik bileşiklerin yoğunlaştırılması gerekmektedir. Bu nedenle, deney düzeneğinde kimyasal absorban malzeme içeren yoğunlaştırıcı kullanılmıştır. Bu sayede, düşük konsantrasyonlu aseton içeren nefes örnekleri yoğunlaştırıcıda tutularak yüksek konsantrasyon elde edilip Elektronik Buruna verilmiştir.Çalışmada QCM sensör verileri ile kan şekeri ve %HbAC değerleri karşılaştırılmıştır. Kan şekeri değeri Yapay Sinir Ağına uygulandığında minimum hata oranı %20,13 iken %HbAC değeri uygulandığında ise hata oranı minimum %13,76 olarak elde edilmiştir. Bunun sebebi, %HbAC parametresi ölçümünde belirleyici olan kandaki glikohemoglobin ömrünün 3,5-4 ay gibi uzun bir süre olması ve kararlılığının fazla olmasıdır.Bu çalışma, 104E053 nolu TÜBİTAK Projesi (QCM-SSC Gaz Sensör Dizisi Kullanarak Tıbbi Uygulamalar için Tanı Sistemi Tasarımı) kapsamında gerçekleştirilmiştir.Anahtar Kelimeler: Elektronik Burun, Diyabet, Nefes, QCM Sensör, Yoğunlaştırıcı

In this study, it is aimed to determine the glycemia (blood sugar) level of the diabetics by analyzing the acetone participated in their breath (exhalation) with the help of QCM based Electronic Nose. The level of acetone concentration in humans? breath is as low as 0,1-10 ppm. In order low level acetone concentration to be sensed by the sensors, it is needed to concentrate the volatile organic compounds. Thus, a condenser containing chemical absorbent ingredients is used in the experiment mechanism. Thanks to this, high concentration is gained by detaining the breath sample that is carrying low acetone concentration within the condenser.The QCM sensor data is compared against glycemia (blood sugar) and the %HbAC data in the study. While the minimum error rate is 20,13% when the glycemia value is applied to Artificial Neural Network, it is 13,76% when %HbAC value is applied. This is resulted from the fact that the life-span of glikohemoglobin which is an identifier when defining the % HbAC parameter, is as long as 3,5-4 months and has a high level of stability.The work has been conducted in the scope of TUBITAK Project, No: 104E053: (Diagnosing System Design for Medical Applications Using by QCM-SSC Gas Sensor Array).Keywords: Electronic Nose, Diabetes, Breath, QCM Sensor, Concentrator.