自供电多织物运动传感网络——步态识别和辅助康复训练

研究背景

随着传染病的日益流行和人口老龄化趋势的不断加剧，目前主流的医院或诊所集中式、以治疗为主、甚至一刀切的医疗模式，由于缺乏连续的生命体征监测、实时的健康管理和维护长期的治疗方案实施，正面临着巨大的挑战。信息技术的快速发展、智能终端的普及、传感器技术的进步，以及互联网基础设施的完善，为互联网医疗和可穿戴医疗电子产品的蓬勃发展提供了土壤和营养。

步态作为最常见的行为特征之一，需要神经系统、肌肉系统和骨骼系统的协调和共同作用。由于腿骨长度、肌肉力量、重心、运动神经敏感性，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。它还取决于各种因素，如年龄、习惯、性别和疾病。步态的主要特征包含众多生物力学和运动学参数，可以反映一系列生理、身体、神经状态，甚至心理问题。许多疾病对人体的影响是以畸形步态的形式表现出来的，对异常步态的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。随着测量技术和可穿戴电子技术的融合，步态分析已逐渐从定性研究转向运动的各个环节和动态定量研究。值得注意的是，单纯依靠医生对步态障碍的诊断使诊断具有主观性，大大增加了医疗康复的滞后性。人工智能技术与可穿戴步态传感器的结合使得医疗诊断和治疗更加准确、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数据支持。

研究成果

步态分析为骨骼、肌肉和神经系统疾病的诊断和康复评估提供了一个方便的策略。然而，由于系统复杂、成本高、影响自然步态和一刀切的模式等缺点，目前的步态识别方法仍然存在挑战。在此，纳米能源与系统研究所王中林院士团队董凯研究员课题组展示了一个高度集成的步态识别系统，该系统由一个基于全纺织结构的自供电的多点身体运动传感网络(SMN) 组成。通过结合新开发的摩擦纳米发电机TENG能量采集技术和传统的纺织品制造工艺，SMN 不仅确保了高达1.5 V kPa-1的压力响应灵敏度，而且还被赋予了一些良好的特性，如充分的灵活性、良好的透气性(165 mm s-1)和良好的透湿性(318g m-2h-1)。通过使用机器学习来分析肢体摆动的周期性信号和动态参数，该步态识别系统对五种病态步态表现出 96.7%的高精确度。此外，还开发了一个可定制的辅助康复运动系统，监测患者的康复运动程度，以观察患者的情况并指导及时的康复训练机器学习辅助的SMN 可以为患者的疾病诊断和个性化康复提供可行的解决方案。相关研究以“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期刊上。

图文导读

Figure 1. Schematics illustration of highly integrated gait recognition system.

Figure 2. Properties of Ag-PE core-sheath composite yarn and working mechanism of SMN.

Figure 3. Preparation process and electrical properties of SMN.

Figure 4. High integrated gait monitoring system based on SMN.

总结与展望

综上所述，作者开发了一种基于纺织品的自供电多点人体运动传感网络 (SMN)，用于步态识别和辅助康复训练，可无缝、无感地集成到服装中。该传感网络通过传统的针织和新兴的数字刺绣工艺制备而成，不仅具有优良的压力响应和较短的响应时间，而且在 10000个工作周期内保持了出色的透气性(165 mm s-1)、透湿性(318.0 g m-2 h-1)、耐洗涤性和高稳定性。与其他放置在脚下的可穿戴步态传感器不同，SMN 的传感节点被放置在关节处，以分析四肢的振幅和时间。结合多通道传感器数据和机器学习算法，一个步态识别系统对五种变形步态，包括帕金森步态、剪刀步态、拖地步态、臀大肌步态和跨阈值步态实现了高识别率(96.7%)。此外，还建立了一个辅助康复系统，实现了智能医疗的作用，可以确定训练的强度和标准程度。如上所述，本研究为生物识别步态和辅助康复训练提供了高效、舒适的新方案，展示了基于智能纺织品的传感网络在智能医疗领域的广阔发展和应用前景。

文献链接

A Self-Powered Body Motion Sensing Network Integrated with Multiple Triboelectric Fabrics for Biometric Gait Recognition and Auxiliary Rehabilitation Training

https://doi.org/10.1002/adfm.202303562.

转自：“i学术i科研”微信公众号

如有侵权，请联系本站删除！