纳米能源所王中林/董凯团队 AFM: 多织物传感器融合的自驱动身体传感网络用于步态识别与辅助康复训练

2023-05-10 来源：高分子科技

步态作为一种常见的生物体行为特征，需要神经系统、肌肉系统和骨骼系统的协同作用。由于年龄、体型、腿骨长度、肌肉力量的不同，甚至外部创伤的多样性，每个人的步态表现出不同的动态特征。步态的主要特征可以反映一系列的生理、身体、神经状态，甚至心理问题。许多疾病对人体的影响都以步态畸形的形式展现出来。因此，对异常步态进行分类，对揭示步态异常的关键环节和影响因素具有重要意义，将有助于临床诊断、指导康复训练和执行疗效评估。随着人工智能技术与可穿戴步态监测传感器的结合，使得医疗诊断和治疗更加数据化和科学化。这也将为康复辅助设备的设计和开发提供了数据支持。

近日，中国科学院北京纳米能源与系统研究所王中林院士/董凯青年研究员团队提出了一种基于全织物结构的自驱动多点位运动监测网络，并将其应用于步态识别和辅助康复训练。

图1 自驱动多点位运动监测传感网络

如图1所示，通过将摩擦纳米发电机（TENG）技术与传统的纺织品制造工艺相结合，该传感网络不仅具有1.3 V·kPa^-1的高压力响应灵敏度（<5kPa），还具有良好的可穿戴舒适性，如优异的透气性（165mm/s）和良好的透湿性（318 g·m^-2·h^-1）。作者详细分析了在制备芯鞘复合纱线的过程中的动力学参数（图2b），基于3D双罗纹织物结构的压力传感器在不同工作条件下的优异传感性能（图3）。通过机器学习来分析肢体摆动的周期性信号和动态参数，基于该传感网络的步态识别系统对五种畸形步态表现出高达96.7%的识别准确度（图4）。此外，基于上述自驱动多点位运动监测传感网络，作者还开发了一个可定制的辅助康复锻炼系统，可用于监测患者的锻炼程度，观察患者的恢复情况并及时指导干预。本工作验证了机器学习辅助的织物基自驱动传感网络应用在疾病诊断和个性化辅助康复领域的可行性。该工作以“A Self-Powered Body Motion Sensing Network Integrated with Multiple Triboelectric Fabrics for Biometric Gait Recognition and Auxiliary Rehabilitation Training”为题发表在《Advanced Functional Materials》上（Adv. Funct. Mater. 2023, 2303562）。文章通讯作者是王中林院士和董凯青年研究员，第一作者是博士生魏传辉。该研究得到国家自然科学基金委、北京市自然科学基金委和科技部的支持。

图2 芯鞘复合纱线的制备与性能

图3 自驱动运动监测网络的电输出性能

图4 基于自驱动传感网络的高集成度步态识别与辅助康复系统

中国科学院北京纳米能源与系统研究所智能纺织课题组主要开展基于摩擦电效应新型机电转化纤维材料的起电机理、高性能研制和集成应用研究，已经在自主式供电与自驱动传感智能纤维及织物方面取得了一系列创新性研究成果，相关研究成果发表在Nat. Common.、Sci. Adv.、Adv. Mater.、EES、Adv. Energy Mater.、Adv. Funct. Mater.、ACS Nano等期刊。

智能纺织课题组常年招收化学、材料、电子、信息、生物、医学、纺织等不同专业背景的硕士/博士研究生或联合培养学生；也欢迎相关背景的博士申请博士后、助理研究员等科研岗位。欢迎有意向者请将简历发送至邮箱dongkai@binn.cas.cn.

原文链接：https://doi.org/10.1002/adfm.202303562

版权与免责声明：中国聚合物网原创文章。刊物或媒体如需转载，请联系邮箱：info@polymer.cn，并请注明出处。

（责任编辑：xu）

【大中小】【打印】【关闭】

诚邀关注高分子科技

更多>>最新资讯

更多>>科教新闻