仿手指柔性压力传感器系统：从脉搏波中直接提取呼吸信息

艺术与科技 20251222

仿手指柔性压力传感器系统：从脉搏波中直接提取呼吸信息

呼吸作为维持生命的基本生理过程，其状态的持续监测对于预防和诊断呼吸系统疾病具有重要意义。传统设备通常体积较大，需要胸带或鼻腔附近的紧贴式安装，不仅影响佩戴舒适度，也容易干扰监测准确性。近日，一项发表在《Microsystems & Nanoengineering》上的研究取得重要进展——研究团队开发出一款仿手指结构的柔性压力传感器系统，首次实现了通过腕部脉搏波提取呼吸信息，为可穿戴健康监测开辟了新的技术路径。

柔性传感系统：毫米级的监测革命

该系统的创新核心在于一款厚度仅为300微米的柔性压力传感器。采用丝网印刷工艺，将银叉指电极、碳纳米管敏感层与热塑性聚氨酯（TPU）间隔层精确叠加，并最终用聚二甲基硅氧烷（PDMS）封装成一体化结构。传感器表面通过激光蚀刻形成类似指纹的环形纹理，不仅提升了与皮肤之间的机械附着性达40%，还显著提高了脉搏信号的采集效率。

在性能方面，该传感器已达到医疗级标准：其灵敏度在0–13 kPa范围内可达11,847.24 kPa⁻¹，能够检测到低至120 Pa的微弱压力变化，响应时间仅为37毫秒。在70,000次循环测试后，其信号依然保持稳定。整个系统包括柔性电路板、蓝牙模块和可充电锂电池，总重量仅为9克，佩戴在手腕桡骨粗隆处几乎无感，有效解决了传统设备对用户的不适问题。

智能算法：从脉搏波到呼吸状态的解码

研究团队发现，在呼吸过程中，胸腔的扩张与收缩会通过影响心室充盈、心输出量以及脉搏基线，在脉搏波中留下三个关键特征信号：呼吸诱导心室充盈波动（RIFV）、呼吸诱导心输出量变化（RIAV）和呼吸诱导脉搏基线波动（RIIV）。为了提取这些细微变化，团队设计了一种结合残差网络（ResNet）的双向长短期记忆神经网络（ResNet-BiLSTM）。

这一算法的优势在于，残差模块有效缓解了传统BiLSTM在处理长序列时可能出现的梯度消失问题，同时增强了系统对复杂空间特征的提取能力。在包含2708例样本的数据集测试中，ResNet-BiLSTM模型对慢呼吸、正常呼吸、快呼吸和模拟呼吸四种状态的分类准确率达到99.5%，其中模拟呼吸状态的识别准确率高达100%。相较之下，单一BiLSTM模型的整体准确率为99%，在慢呼吸识别方面存在3%的误差，显示出残差结构优化的显著优势。

应用验证：从实验室到临床的跨越

在圣保罗大学进行的临床试验中，13名志愿者佩戴系统完成了不同呼吸状态的测试。研究人员将商用呼吸传感器作为对照，发现新系统在捕捉呼吸频率变化方面表现出独特优势。当志愿者从慢呼吸（6次/分钟）过渡到快呼吸（30次/分钟）时，ResNet-BiLSTM模型能够在两个呼吸周期内完成状态识别，而传统阈值法常常出现误判。

此外，系统在复杂呼吸模式中的稳定性也得到了验证。在对6名志愿者进行超过300秒的连续监测中，系统对混合呼吸状态的识别准确率保持在100%。而商用设备在呼吸状态突变时误差率超过15%。研究团队还测试了传感器在不同手腕位置的适应性，结果显示其5.5 mm × 24.8 mm的有效检测区域可覆盖92%的人群脉搏分布，无需专业操作即可实现日常使用，极大提升了便利性。

未来展望：可穿戴医疗的新范式

这项研究不仅提出了一种新的呼吸监测技术，更构建了“脉搏波-呼吸信息”的直接解码模式。目前，研究团队已经开发出配套的移动应用程序，支持实时数据展示与历史趋势分析，为个人健康管理和群体监测提供了完整的解决方案。

尽管当前设备在大面积监测中仍受限于续航能力，研究团队正通过优化空气动力学设计提升设备续航至2小时以上，并计划在亚马逊雨林等复杂环境展开实地试点。正如项目负责人所指出的：“这种结合纳米传感与人工智能的系统，有望成为呼吸系统疾病早期筛查的‘电子哨兵’，特别是在医疗资源有限的地区具有广阔前景。”

随着柔性电子技术与人工智能算法的不断发展，这种从脉搏中“捕捉”呼吸的创新方法，正在重新定义可穿戴医疗设备的设计理念，使健康监测更自然、更无感地融入人们的日常生活。

期刊参考：

Zhang， X. 等人。（2025）使用手指式柔性压力传感器系统从脉搏波中直接提取呼吸信息。微系统与纳米工程。 doi.org/10.1038/s41378-025-00924-4。

查看全文

艺术与科技

作者最近更新

仿手指柔性压力传感器系统：从脉搏波中直接提取呼吸信息