糖尿病足溃疡是糖尿病的严重并发症之一，其反复发生及相关截肢风险给患者和医疗系统带来沉重负担。足底溃疡的形成与异常机械负荷及局部炎症反应密切相关：持续过高的足底压力可能造成反复组织损伤，局部温度升高则可为炎症及溃疡前期变化提供提示。因此，同步监测足底压力与温度变化，对于糖尿病足风险评估和预防性管理具有重要意义。近年来，智能鞋垫在足底压力分布、步态识别和温度监测方面取得了进展，但多数系统仍局限于单参数感知，或依靠独立压力与温度传感器的组合实现多模态检测。这种集成方式增加了器件结构、厚度和功耗方面的负担，也对柔顺性及佩戴舒适性提出挑战。对于需要长期使用的糖尿病足监测器件，稳定的信号输出、柔软的接触界面与系统小型化尤为关键。

  离子热电水凝胶兼具柔软性、离子导电性及可调控的功能特性，并可将温差转化为电信号，为传感单元的自供能运行提供了可能。然而，温度与压力响应相互耦合、反复足底负载下的结构稳定性和信号漂移，以及多通道无线采集与分析的集成，仍是需要解决的问题。如何在单一材料体系中兼顾抗压耐久性、双模态信号解耦和系统集成能力，是这类器件走向足底监测应用的重要研究方向。

  针对上述问题，太原理工大学张虎林团队联合清华大学李舟、山西师范大学崔小静等合作者，开发了基于抗压明胶/聚丙烯酰胺双网络水凝胶的智能监测鞋垫。研究将热电化学效应与有源离子压阻效应结合，实现温差与压力的自解耦感知，并进一步集成16个传感单元、定制无线采集电路和机器学习分析，构建足底多模态监测与步态识别平台。

  2026年10月15日，相关成果以“A Thermoelectric Hydrogel-Based Insole with Self-Decoupled Temperature and Pressure Sensing for Diabetic Plantar Monitoring”为题发表于《Nano Letters》。太原理工大学博士生牛昱为论文第一作者，山西师范大学崔小静副教授、清华大学李舟教授和太原理工大学张虎林教授为共同通讯作者。

主要研究内容

图1 智能鞋垫设计与双模态感知原理

  研究团队依据足底不同区域的承载特点布置16个敏感单元。水凝胶敏感单元通过热电化学效应产生热电势，同时利用受压形变引起的内阻变化调制电流输出。结合分时电压—电流采集与解耦算法，分别重建足底热学与力学分布，并将多通道数据用于远程显示和步态分析。

图2 抗压双网络水凝胶的结构与力学性能

  该团队结合明胶/聚丙烯酰胺双网络、吡咯烷酮羧酸钠（PCA-Na）与聚合物链之间的氢键作用，以及硫酸根离子引发的霍夫迈斯特效应，协同调控水凝胶网络。力学、流变、保水测试及压缩分析表明，该设计有助于提升承载与保水性能，为反复足底负载下的传感应用提供材料基础。

图3 热电转换与温差压力自解耦感知

  该团队进一步发现水凝胶单元的开路电压主要由温差决定，对压力变化不敏感；电流则同时受到温差与压力的影响。通过协同读取电压和电流，并结合标定参数计算内阻变化，可分别提取温差与压力信息。优化后的材料温差响应系数约为1.8 mV·K^?1，可响应0.1 K的微小温差，响应时间约为0.35 s，展示了双模态柔性感知的应用潜力。

图4 智能鞋垫集成与足底多模态监测

  该团队设计了多层封装结构，将水凝胶传感阵列、激光诱导石墨烯电极及互连线路、弹性支撑层和采集电路集成于鞋垫。实现了多通道信号采集、预处理和无线传输，并通过解耦分析与交互界面显示足底热学及压力分布。结合机器学习，最终实现了足底状态辅助评估的概念验证。

图5 机器学习辅助的六类步态识别

  针对正常、偏瘫、跨阈、肌病、帕金森及剪刀步态，该团队采集16通道动态信号，并提取时域、频域及距离特征，建立了随机森林分类模型。可以看到不同步态在负荷分布、时间序列及通道协同关系上呈现可区分的特征。在所测试的六类步态数据中，模型总体分类准确率达到96.55%，展示了该系统用于异常步态识别与辅助分析的潜力。

  这项研究通过材料网络调控与热电化学功能设计，将温差驱动的电信号产生、压力响应及双模态解耦集成于单一水凝胶体系，并进一步完成阵列传感、无线采集和机器学习分析的系统构建。相关结果为热电水凝胶在柔性多模态传感中的应用提供了研究思路，也为个体化足部健康监测和可穿戴步态分析提供了技术参考。

  原文链接：https://doi.org/10.1021/acs.nanolett.6c03487