| Popis: |
Bu çalışmada, insan nefesinden kandaki Glikoz ve HbA1c değerlerinin elektronik burun kullanılarak belirlenmesi hedeflenmiştir. İnsan vücudundaki organlar, farklı gazlar üretmektedir. Akciğerlerde kanın temizlenmesi sırasında organlardan kana iletilen gazlar, alveoller vasıtasıyla nefese geçmektedir. Diyabet hastalığında insan nefesindeki aseton oranının değiştiği bilinmektedir. İnsan nefesindeki aseton konsantrasyonu 0,1-10 ppm gibi çok düşük seviyelerdedir. 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.Elektronik Burun' da bulunan Quartz Crystal Microbalance sensör verileri ile kandaki Glikoz ve HbA1c paramatreleri Radyal Fonksiyon Tabanlı Yapay Sinir Ağları kullanılarak karşılaştırılmıştır. Nefes verileri Radyal Tabanlı Yapay Sinir Ağları' na uygulandığında Glikoz parametresi tahmini için hata oranı %24,62 iken HbA1c parametresi tahmini için hata oranı %14,92 olarak bulunmuştur.Bu çalışma, 104E053 numaralı TÜBİTAK Projesi (QCM-SSC Gaz Sensör Dizisi Kullanarak Tıbbi Uygulamalar için Tanı Sistemi Tasarımı) kapsamında gerçekleştirilmiştir. In this study, it is aimed to be determined glucose and HbA1c values in blood from the human breath by using electronic nose. The organs in the human body produces different gases. The gases which septicaemia from the organs in the course of purification of blood, transmit to breath via alveoli. It is known that the rate of acetone in human breath changes in the diabetes. Acetone concentration in human breath is the lowest level like 0.1-10 ppm. Therefore, it is used condensing substance including chemical absorbent material in the testing apparatus. By this means, it is kept breath samples including acetone with low concentration and it is supplied to electronic nose by acquiring high concentration.OCM sensor data is compared against glucose and HbA1c parameters in blood by using Radial Basis Function Neural Network. When breath data is implemented to the Radial Basis Function Neural Network, the minimum error rate is %14,92 for HbA1c parameter predictions and the minimum error rate is %24,62 for glucose parameter predictions.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). 62 |
