人工嗅觉系统是由气敏传感器阵列、信号处理和适当的模式识别方法组成的仪器，能模拟人的嗅觉来检测、识别复杂气味成分。本文介绍了人工嗅觉系统的发展历史，阐述了人工嗅觉系统的基本组成，详细介绍了人工嗅觉系统的研究现状及其在临床诊断中的应用，并展望了人工嗅觉系统在临床诊断中的发展趋势。
一、引言
在人类的感觉器官中，与其它动物相比，嗅觉是最不灵敏的。但嗅觉在食品工业、环境污染监测、香料香气质量评定与生产过程控制、战争毒气检测、毒品检测、医疗等领域的重要性却与日俱增。因此，许多发达国家已把生物嗅觉机理及其功能的模仿，即人工嗅觉技术列入优先发展的研究课题。人工嗅觉技术的研究涉及新型敏感材料、传感器、信号处理、计算机、模式识别及其在各个具体领域的应用，具有重要的意义。
二、人工嗅觉系统的发展历史
国际上气敏传感器的研究起始于二十世纪二、三十年代。1967年，日本Figaro公司率先将SnO2金属氧化物半导体气敏传感器商品化。但单个传感器一般都具有对各种气体广谱的选择性，作用十分有限，为了实现对多种气体的辨识检验，人类开展了人工嗅觉技术的研究。1961年，Moncrieff制成了一种机械式的气味检测装置[1]。1964年，Wilkens和Hatmen基于气味分子在电极上发生氧化还原反应的原理建立了第一个人工嗅觉系统，也称电子鼻。Buck等人利用气味调制电导和Dravieks等人利用气味调制接触电位研制的电子鼻在1965年也做了报道。1982年，英国Warwick大学学者Persuad和Dodd[2]用3个商品化的SnO2气敏传感器（TGS813、812、711）模拟哺乳动物嗅觉系统中的多个嗅感受器细胞对戊基醋酸酯、乙醇、乙醚、戊酸、柠檬油、异茉莉酮等有机挥发气进行了类别分析。直到1982年，作为气味识别与分类的智能化学传感器阵列的概念才出现在Persaud等人和日本日立公司Ikegami等人的文章中[1]。1989年在北大西洋公约组织（North Atlantic Treaty Organization，NATO）的一次关于化学传感器信息处理会议上对电子鼻做了如下的定义：电子鼻是由多个性能彼此重叠的气敏传感器和适当的模式分类方法组成的具有识别单一和复杂气味能力的装置。随后，于1990年举行了第一届电子鼻国际学术会议。
三、人工嗅觉系统的基本组成
人工嗅觉系统模拟人的嗅觉器官，主要包括三大部分：气敏传感器阵列、信号处理及模式识别。气味分子被人工嗅觉系统中的气敏传感器阵列吸附，产生信号，信号经处理电路加工处理，并完成信号转换与传输，最后经计算机模式识别做出判断。
气敏传感器阵列相当于生物嗅觉系统中的嗅感受器细胞，具有交叉灵敏度高，响应频带宽等特性。气敏传感器阵列可由多个单独的气敏传感器组成，也可采用MEMS技术制作专用的气敏传感器阵列。阵列中每个传感器对不同的气体有不同的响应。传感器阵列的整体响应模式对不同气味是截然不同的，系统的选择性是通过综合来自多个交叉敏感的传感器信号得到的。传感器阵列测量由多种成分组成的气味，可得到一个多维响应向量，用模式识别方法对之进行判断，以确定气味的类别或强度。
目前气敏传感器主要有金属氧化物半导体、石英晶振、声表面波、导电有机聚合物膜与红外线光电等类型，其中以SnO2为代表的金属氧化物半导体气敏传感器应用最为广泛[3]。
信号处理主要完成传感器信号的放大和滤波，进行特征提取，得到多维有用响应信号，并由A/D转换成数字信号输入计算机。由气敏传感器阵列产生的电信号经处理后，可用绝对电压、电阻或电导来表示，也可用相对值如归一化的电压、电阻或电导来表示[4]。
在人工嗅觉领域中，模式识别的研究和讨论始终较为活跃。模式识别是对传感器阵列的输出信号进行适当的处理，以获得混合气体组分信息和浓度信息。在人工嗅觉系统中，常用的模式识别方法有统计模式识别方法和智能识别方法。统计模式识别方法主要有主成分分析法（Principal Components Analysis，PCA）、偏最小二乘法（Partial Least Squares，PLS）和聚类分析法（Cluster Analysis，CA）等，智能识别方法主要是人工神经网络（Artificial Neural Network，ANN）方法和模糊推理法（Fuzzy Illation，FI） [2, 5, 6]。人工嗅觉系统的响应机理及其模型比较复杂，非线性严重，数学模型难以建立。统计模式识别方法普遍是基于线性的分析方法，只是模仿了人的逻辑思维，它对数据处理后所得到的结果与人的感官感受之间无法对应起来，具有较大的应用局限性。在很多情况下，人们只需要得到与人的感官感受相一致的结果，对气味的化学组成与浓度高低并非十分关心，而人工神经网络法则显示了其优越性。人工神经网络法是接近人类大脑思维方法的一种算法，由大量简单的处理单元，即神经元，广泛地互为连接而形成复杂的网络系统。人工神经网络的一个显著特征就是优秀的学习能力。它通过学习，自动掌握和挖掘隐藏在事物内部的、不能用明确数学表达式表示的关系[6]，并能够处理非线性数据，具有良好的容错性能和较高的预测精度。模糊推理法模仿人的判断，不给出气味浓度的精确值，而是根据其表示的模糊逻辑，变换成“很高、高、中等、低、很低”等与人的亲和性较高的语言变量。对于系统误差所引起的传感器输出包含一定误差的情况，采用模糊推理法十分有用。人工神经网络、模糊理论、遗传算法以及混沌等融合在一起的信息处理技术的兴起为人工嗅觉系统的发展注入了新的活力。
四、人工嗅觉系统的研究现状
目前，国内外对人工嗅觉系统的研究十分活跃，主要应用是酒类、肉类、食用油、水果、奶制品、谷物、水产品、茶叶、咖啡、烟等食品挥发气味的识别和分类，目的是对其进行质量分级和新鲜判别。
在酒类鉴别方面，2005年，Daniel Cozzolino等人[7]将电子鼻用于两种不同品牌的澳大利亚白葡萄酒的鉴别，准确率达到90%以上。J. Lozano等人[8]采用氧化锡传感器阵列组成的电子鼻，结合多元分析方法，对白葡萄酒中的芳香成分进行鉴别，准确率高达97.2%。2006年，M. Garcia等人[9]利用声表面波传感器阵列及模式识别算法，可鉴别出来自相同产地相同葡萄品种但发酵后时间不同的葡萄酒，成功率可达95%。
在肉类鉴别方面，2006年，S. Panigrahi等人[10] 基于美国Cyrano Science公司的Cyranose 320电子鼻鉴别牛肉的新鲜度，分辨腐败与未腐败的牛肉的正确率达到100%。M. Garcia等人[11]将16个掺杂和未掺杂的氧化锡传感器组成的阵列用于4种不同火腿的鉴别，数据分析采用主成分分析法和神经网络算法，识别成功率为100%。
2005年，H.L. Gan等人[12]利用声表面波传感电子鼻对16种植物油进行鉴别，具有很好的选择性及灵敏度，可用于食用油加工过程中快速、实时的质量监测。M.S. Cosio等人[13]将22个传感器组成阵列，10个为MOS（Metal Oxide Semiconductor）场效应管，平均分为两组，分别在140°C和170°C下工作，其余12个为MOS传感器，一直处于400°C ～500°C温度下工作。此阵列用于对天然橄榄油的氧化进行评价，并可根据数据分析结果描述天然橄榄油不同的存储阶段和存储条件对于氧化的影响。
2005年，Lakshmi P. Pathange等人[14] 采用Cyranose 320电子鼻对于苹果的成熟度进行区分，这是一种苹果质量的无损评价技术，对于未成熟、成熟和过成熟的苹果分类识别的正确率可达83%。2006年，Antihus Hernandez Gomez等人[15]采用电子鼻区分柑桔的不同采摘时间，监测柑桔所散发出的挥发性气味的变化，可区分柑桔的成熟度，成功率高达92%。
人工嗅觉系统其它的应用还包括环境空气质量监测[16]、水质量检测[17, 18, 19]、香水香型的判别等。此外，人工嗅觉系统在临床医学中的应用也是近年研究的热点。
目前，我们也已开展了人工嗅觉系统的相关研究工作，初步研制了基于MEMS技术的半导体气敏传感器阵列，并进行了一定深度的理论研究与识别气味的实验，获取了相应的图谱。用我们研制的气敏传感器阵列进行人体呼出气体初步检测，能在较短时间内获得被测对象呼出的相应图谱，区别出健康人与疾病患者的不同特征图谱。进一步的研究工作将把人工嗅觉系统用于临床诊断，尤其是恶性肿瘤的非侵入式诊断。
国外已经商品化的人工嗅觉系统或电子鼻较多，如法国的AlphaMOS系统主要用于肉、咖啡、谷物等产品的质量鉴别，英国的AromaSCAN系统主要用于奶酪、肉制品的质量检测。除此以外，还有美国的Cyrano Science和Electronic Sensor Technology （EST）、英国的Bloodhound、德国的Airsense Analysis等产品。国内气敏传感器近年发展较快，但总体技术与国外先进国家相比相差较大，商品化的人工嗅觉系统或电子鼻产品鲜见报道。
总体来看，国内外对人工嗅觉系统的研究大多数还处于实验室阶段，即使是已经商品化的产品也还存在一些问题，如传感器性能的进一步提高、传感器对环境的敏感性、传感器阵列信息的冗余、模式识别方法的优化及适用领域的局限等等。
五、人工嗅觉系统在临床诊断中的应用
医学方面，利用人呼出的气体进行疾病的诊断，近年来已成为国际上的一个研究热点。寻求一种非侵入式、无伤害、快速准确的检测手段，人工嗅觉系统为研究新型的疾病诊断仪器提供了可能。而这种非侵入式的疾病诊断技术成为当今国际医学诊断的发展潮流，不仅具有科学依据，而且具有巨大的社会和经济意义。
人体疾病与人的体味如口腔气味、汗液、尿液的直接关系，从远古就已为人们所认识。中医运用望、闻、问、切的手段来诊断病人，早就非常重视人体体味对疾病的诊断作用。从近代医学的观点来看，人体各部位的不同疾病都会引起血液、细胞新陈代谢的异常。如在肺部血液的氧化交换时，疾病患者和健康人的肺部呼出的气味和随尿液排出的味道是不同的。
研究表明，不同疾病患者所呼出的气体中会出现某些特定的成份[20]，如胃溃疡患者呼出的气体中氢气成分比常人高，糖尿病患者呼出的气体会含有酮类气体成分，肺癌患者呼出的气体中乙烷含量比正常人高，肝癌患者呼出的气体中存在烷类和苯的衍生物，肾衰竭患者呼出的气体中会含有三甲氨等。因此通过检测分析患者呼出气体的成份与含量便可进行相应的定性定量的疾病诊断。
美国和欧洲很多国家对于人工嗅觉系统在临床诊断中的应用研究非常关注。国际最新研究进展是人工嗅觉系统已在医院和医学研究机构进入临床实验阶段。临床诊断研究与应用的主要领域是在肾脏、尿道、糖尿病、肺癌、细菌感染检测以及一些妇科疾病的检测。
1、肾脏及尿道疾病检测
早在1995年John slater等利用电子鼻进行了与肾有关的疾病诊断研究[21]，测试了他们称为ScanMaster的电子鼻在检测H.pylori细菌和诊断肾病中的作用。实验中采用由5个石英晶体传感器构成的阵列，当传感器的吸附层吸附了挥发性的化合物后，其固有振荡频率会发生变化，检测这种变化就可以测定被测物的含量。他们的实验证明这种电子鼻可以进行非直接接触的医学检测。
2001年，台湾的Yuh-Jiuan Lin等人[22]研制的电子鼻由6个12MHz的石英晶体传感器组成。该电子鼻对正常健康人群、尿毒症患者、慢性肾功能不全患者和肾衰竭患者呼出的气体进行测试。结果表明，电子鼻对上述几类人群的分类正确率达86.78%，对慢性肾功能不全患者和肾衰竭患者的分类正确率达90.16%，对尿毒症患者的分类正确率达79.52%，对正常健康人群和其他病患者的区分正确率达100%。
2002年，英国克兰菲尔德大学的Alexandros K. Pavlou等人[23]利用由14个导电聚合物膜传感器构成的电子鼻检测尿道感染，通过“闻”少量尿样，可以知道感染类型，具有很高的识别成功率。
2004年，英国克兰菲尔德大学的Reinhard Fend等人[24]将电子鼻作为一种新型的监测工具应用于血液透析。由14个导电聚合物膜传感器构成的电子鼻可以很好的区分肾衰竭患者血液透析前、后及健康人的血液样本。研究人员表示，该电子鼻辅以适当的模式识别方式，可以成为控制肾衰竭的在线监测系统。
2006年7月6日《联合报》报道[25]，台湾工研院生物医药技术研究所研发成功第二代电子鼻，只需呼出一口气，3分钟之内就可诊断出呼气者是否患有尿毒症或肝硬化。生物医药技术研究所分別与中国医药学院及台北医学院进行临床实验，尿毒症诊断准确度达85%，肝硬化部分高达93%。这项研究曾在瑞士Sensors & Actuators期刊及国际研讨会上发表论文，倍受瞩目，申请7项14件专利。未来还可应用到精神分裂症、肺癌、肺脓肿、糖尿病、肠胃道疾病等。
2、糖尿病检测
糖尿病的早期、无损诊断是人工嗅觉系统在临床诊断应用研究的一个热点。糖尿病的并发症之一是会导致酮酸中毒，它与血液中酮酸体的含量有直接关系[26]。对于血液、尿中酮酸体的定量及定性检测，常规的方法检测周期长，成本高，不能实现非侵入无损检测及连续监测。酮酸体在血液中代谢的最终产物丙酮可以通过呼吸排出体外，利用人工嗅觉系统可实现早期的无损诊断。
王平、谈毅等人[ 27]在1995年利用电子鼻对从医院采集的糖尿病患者的呼出气体进行识别，得到血糖和呼出气体中丙酮含量的线性相关性。
1996年，N. Nakisimovich等人[28]也采用气敏传感器阵列进行了糖尿病患者呼出气体的诊断研究。
李冀等人[26]利用电子鼻从事糖尿病呼吸诊断的研究，得到了呼吸丙酮和血糖间正比关系以及糖尿病患者的呼吸丙酮含量范围，取得一些初步的诊断结果。
1999年，俄罗斯沃罗涅什州立大学的S.V. Ryabtsev等人[29]将半导体气敏传感器用于医学诊断，能够检测糖尿病患者呼出的气体中0.1ppm～10ppm的丙酮成分。
3、肺部疾病检测
在人工嗅觉系统应用于肺癌的检测上，2003年，意大利罗马Tor Vergata大学的Corrado Di Natale等人[30]研制出一种由8个石英晶体传感器组成的“电子鼻”，可以嗅出肺癌患者呼吸中包含的数种烷烃系以及芳香烃系物质，判断病人是否患上肺癌等疾病。不同患者呼出的气体因其成分不同能使传感器阵列产生每个人特有的总体模式。该电子鼻已进入了临床实验，对肺癌诊断的准确率已达到90%以上。
2003年路透社报导[31]，美国俄亥俄州Clevelamd Clinic的R.F.麦乔道医生领导的研究小组称，他们用电子鼻让病人对其呼气，从测试的59人中，成功测出14人患有肺癌，25人有其他肺部疾病，其余20人为健康人员。该医疗组认为这种电子鼻诊断疾病是一种“充满希望、令人振奋的技术”。对电子鼻进一步改进，能对肺癌患者作出更及时的诊断，而且还可以用来监测肺癌患者接受治疗的进展状况，以防止疾病的复发。
2004年，Alexandros K. Pavlou等人[32]利用14个导电聚合物传感器阵列，结合神经网络分析算法，对于唾液中的肺结核分支杆菌进行体外及原位的识别，取得很好的识别效果。此项研究对于肺结核病人的快速诊断具有重要意义。
4、细菌感染检测
在人工嗅觉系统用于细菌感染检测研究方面，早在1997年，英国Warwick大学的J. W. Gardner等人[33]利用电子鼻进行了病原微生物白喉杆菌、金黄葡萄球菌的类型和生长阶段预测的研究。实验结果表明金黄葡萄球菌的识别达到100%，白喉杆菌的识别达到92%，而对细菌三个生长阶段检测的精确度达到了80%。
2000年，J. W. Gardner等人[34]利用电子鼻对引起上呼吸道和耳朵传染性疾病的病原体进行识别，对藻青菌、铜绿菌素等有害于人体的细菌进行分类。
2003年6月28日报导美国科学家用电子鼻可以“闻出”病人携带的病菌，更指出可在最短时间内“嗅出非典”[35]。
2004年，Ritaban Dutta与J. W. Gardner等人[36]利用Cyranose 320电子鼻，采用神经网络识别方法，对耳、鼻、喉细菌进行分类研究。
英国柴郡克鲁城镇的欧斯米泰克公司成功开发的电子鼻用于“嗅”出侵蚀病人皮肤伤口的细菌、MRSA细菌和其他细菌。因为MRSA是一种对抗生素疗法有抵抗能力的细菌，该电子鼻可以提醒医生及时采取相应的措施[37]。
2006年，Ritabrata Dutta与Ritaban Dutta[38]利用32个碳黑聚合物传感器阵列和模式识别算法对MASA、MSSA、C-NS三种细菌进行识别、分类，达到99.83%的准确率。
这些研究对细菌感染的快速发现和处理以及新抗体药物的有效检测都有积极的作用。
此外，人工嗅觉系统还可以用于其他疾病的检测。2005年，Anna Aronzon等人[39]利用Cyranose 320电子鼻，结合主成分分析法，可识别脑脊髓液与浆液。这对于脑脊髓液渗漏的快速诊断提供了有力的工具。
六、结 论
综上所述，随着非侵入式、无损化的医学诊断的不断发展，人工嗅觉系统作为医学无损诊断的重要工具在临床诊断方面受到越来越广泛的关注与重视，并逐渐显示其优越性。这种最新诊断方法得到全球医学界、研究机构、政府部门的高度重视。越来越多的国家都在大学、研究所、医院开展这类先进高科技技术的研发。在临床诊断方面，人工嗅觉系统可与虚拟仪器、专家系统相结合，集成各个单一疾病诊断功能的专用仪器，形成大型的多功能、综合性的疾病诊断系统，实现对多种疾病方便、无损、可靠的诊断。并可通过Internet进行气味的远程传输，实现非侵入式的远程医学诊断。这将最大限度的方便患者，充分利用医疗资源，减少医疗费用，提高治疗的效率。同时，可研究仿真嗅觉器官，实现人工嗅觉系统和生物体的结合，用人工嗅觉系统来代替生物体的嗅觉器官。当某些人由于疾病而丧失了嗅觉，就可以把人工嗅觉系统移植到人体使患者恢复“嗅觉”。
参考文献
[1]、Gardner J W, Bartlett N. A brief history of electronic nose. Sensors and Actuators B, 1994, 18-19: 211～220
[2]、Gardner J W, et al. Electronic Noses: Principles and Applications [M]. Oxford University Press, 1999
[3]、Gopel W, Schierbaum K, SnO2 sensors: Current status and future prospects [J] Sensors and Actuators B, 1995, 26：1～12
[4]、石志标, 左春柽, 张学军, 人工嗅觉系统及其在粮食质量检验中的应用[J], 郑州工程学院学报, 2004. 25（1）: 79-82
[5]、Mielle P, et al. An alternative way to improve the sensitivity of electronic olfactometers, [J]. Sensors and Actuators B, 1999, 58: 526～535
[6]、田先亮, 殷勇, 刘红俊, 酒类鉴别的人工嗅觉技术研究[J], 食品科学, 2004, 25（2）: 29～32
[7]、Daniel Cozzolino. et al. Usefulness of chemometrics and mass spectrometry-based electronic nose to classify Australian white wines by their varietal origin[J]. Talanta. 2005, 68: 382～387
[8]、J. Lozano. et al. Classification of white wine aromas with an electronic nose[J]. Talanta. 2005,67: 610～616
[9]、M. Garcia. et al. Differentiation of red wines using an electronic nose based on surface acoustic wave devices[J]. Talanta. 2006, 68: 1162～1165
[10]、S. Panigrahi. et al. Neural-network-integrated electronic nose system for identification of spoiled beef[J]. LWT. 2006, 39: 135～145
[11]、M. Garcia, et al. Electronic nose for ham discrimination[J]. Sensors and Actuators B 2006, 114: 418-422
[12]、H.L. Gan. et al. Characterisation of vegetable oils by surface acoustic wave sensing electronic nose[J]. Food Chemistry. 2005, 89: 507～518
[13]、M.S. Cosio, et al. eva luation of different storage conditions of extra virgin olive oils with an innovative recognition tool built by means of electronic nose and electronic tongue. Food Chemistry ,2006（3）:1-7
[14]、Lakshmi P. Pathange, et al. Non-destructive eva luation of apple maturity using an electronic nose system. Journal of Food Engineering ,2006,77（4）:1018-1023
[15]、Antihus Hernandez Gomez, et al. Electronic nose technique potential monitoring mandarin maturity[J]. Sensors and Actuators B, 2006, 113: 347-353
[16]、Margaret Amy Ryan, et al. Monitoring space shuttle air quality using the Jet Propulsion Laboratory electronic nose[J]. IEEE Sensors Journal, 2004, 4（3）: 337-347
[17]、O. Canhoto, N. Magan. Electronic nose technology for the detection of microbial and chemical contamination of potable water[J]. Sensors and Actuators B. 2005, 106: 3-6
[18]、J. Goschnick, et al. Water pollution recognition with the electronic nose KAMINA[J]. Sensors and Actuators B, 2005, 106: 182-180
[19]、A. Catarina Bastos, Naresh Magan. Potential of an electronic nose for the early detection and differentiation between Streptomyces in potable water[J]. Sensors and Actuators B,2006, 116 151～155
[20]、郑晓春, 意大利开发出医用电子鼻 2003.5.10
[21]、Emsley J, Crystal nose sniffs out nasty diseases [J],New scientist, 1995，11（3）：21～22
[22]、Yuh-Jiuan Lin, et al. Application of the electronic nose for uremia diagnosis[J], Sensors and Actuators B, 2001, 76: 177～180
[23]、 Alexandros K. Pavlou, et al. Use of an electronic nose system for diagnoses of urinary tract infections[J], Biosensors and Bioelectronics ,2002, 17: 893-899
[24]、Reinhard Fend, et al. Monitoring haemodialysis using electronic nose and chemometrics[J], Biosensors and Bioelectronics, 2004, 119: 1581-1590
[25] 李冀. 姚哲刚. 王平. 呼吸气体诊断系统的最新进展[J]. 中国医疗器械杂志. 2000, 24（6）: 335～341
[26]、Wang Ping, Tan Yi, et al. A novel method for diabetes diagnosis based on electronic nose[J], Biosensors & Bioelectronics, 1997,12 （9-10） 1031～1036
[27]、Nakisimovich N, et al. Adsorption semiconductor sensor for diabetic ketoacidosis diagnosis [J] Sensors and Actuators B, 1996, 35-36: 419～421
[28]、S.V. Ryabtsev, et al. Application of semiconductor gas sensors for medical diagnostics[J], Sensors and Actuators B,1999, 59: 26-29
[29]、Corrado Di Natale, et al. Lung cancer identification by the analysis of breath by means of an array of non-selective gas sensors[J]. Biosensors and Bioelectronics, 2003, 18: 1209-1218
[30]、美华，让电子鼻嗅出肺癌 2003,09,01
[31]、Alexandros K. Pavlou. Naresh Magana. et al. Detection of Mycobacterium tuberculosis （TB） in vitro and in situ using an electronic nose in combination with a neural network system[J]. Biosensors and Bioelectronics. 2004, 20: 538～544
[32]、Alexandros K. Pavlou, Naresh Magana, et al. Detection of Mycobacterium tuberculosis （TB） in vitro and in situ using an electronic nose in combination with a neural network system[J]. Biosensors and Bioelectronics 2004, 20: 538-544
[33]、J.W. Gardner, et al. The prediction of bacteria type and culture growth phase by an electronic nose with a multi-layer perceptron network[J], Meas. Sci. Technol. 1997,（9）: 120～127
[34]、Julian W. Gardner, et al. An electronic nose system to diagnose illness[J]. Sensors and Actuators B, 2000, 70: 19-24
[35]、李强, 美国科学家发明“电子鼻” 非典可以闻出来 2003,06,28
[36]、Dutta, R. et al. ENT bacteria classification using a neural network based Cyranose 320 electronic nose[A]. Proceedings of IEEE[C]. Sensors. Austria Vienna: IEEE, 2004. 324～325
[37]、中青网，电子鼻
[38]、Anna Aronzon. et al. Differentiation Between Cerebrospinal Fluid and Serum with Electronic Nose[J]. Otolaryngology - Head and Neck Surgery. 2005, 133（1）: 16～1
[39]、Anna Aronzon, et al. Differentiation Between Cerebrospinal Fluid and Serum with Electronic Nose [J]. Otolaryngology - Head and Neck Surgery, 2005, 133（1）: 16-19
作者简介：
颜黄苹，厦门大学机电工程系，讲师，主要研究方向为微传感器、MEMS。
黄元庆，厦门大学机电工程系，教授、博导，主要研究方向为微传感器、光电子技术。
