Metal Oxide-based Gas Sensor Array for the VOCs Analysis in Complex Mixtures using Machine Learning

要約

呼気からの揮発性有機化合物 (VOC) の検出は、病気を非侵襲的に早期に検出するための実行可能な手段になりつつあります。
この論文では、機械学習手法を使用して混合物中の 4 つの異なる VOC を識別できる 3 つの金属酸化物電極を備えたセンサー アレイを紹介します。
金属酸化物センサー アレイは、エタノール、アセトン、トルエン、クロロホルムなどのさまざまな VOC 濃度にさらされました。
個々のガスとその混合物から得られたデータセットは、ランダム フォレスト (RF)、K 最近傍 (KNN)、デシジョン ツリー、線形回帰、ロジスティック回帰、単純ベイズ、線形判別分析、人工などの複数の機械学習アルゴリズムを使用して分析されました。
ニューラル ネットワークとサポート ベクター マシン。
KNN と RF は、混合ガス中のさまざまな化学物質の分類において 99% 以上の精度を示しました。
回帰分析では、KNN は、複雑な混合物中のさまざまな化学物質 (アセトン、トルエン、エタノール、クロロホルム) の濃度をそれぞれ予測するために、R2 値が 0.99 以上、LOD が 0.012、0.015、0.014、0.025 PPM という最良の結果をもたらしました。
したがって、提供されたアルゴリズムを利用したアレイは、疾患の診断と治療のモニタリングのために 4 つのガスの濃度を同時に分類および予測できることが実証されています。

要約(オリジナル)

Detection of Volatile Organic Compounds (VOCs) from the breath is becoming a viable route for the early detection of diseases non-invasively. This paper presents a sensor array with three metal oxide electrodes that can use machine learning methods to identify four distinct VOCs in a mixture. The metal oxide sensor array was subjected to various VOC concentrations, including ethanol, acetone, toluene and chloroform. The dataset obtained from individual gases and their mixtures were analyzed using multiple machine learning algorithms, such as Random Forest (RF), K-Nearest Neighbor (KNN), Decision Tree, Linear Regression, Logistic Regression, Naive Bayes, Linear Discriminant Analysis, Artificial Neural Network, and Support Vector Machine. KNN and RF have shown more than 99% accuracy in classifying different varying chemicals in the gas mixtures. In regression analysis, KNN has delivered the best results with R2 value of more than 0.99 and LOD of 0.012, 0.015, 0.014 and 0.025 PPM for predicting the concentrations of varying chemicals Acetone, Toluene, Ethanol, and Chloroform, respectively in complex mixtures. Therefore, it is demonstrated that the array utilizing the provided algorithms can classify and predict the concentrations of the four gases simultaneously for disease diagnosis and treatment monitoring.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google