仿手指柔性压力传感系统实现脉搏中呼吸信号提取
呼吸作为维持生命的基础生理活动，其长期监测对于呼吸系统疾病的早期筛查和管理具有重要意义。传统的监测手段往往依赖体积较大的设备，或需佩戴胸带、鼻氧传感器等配件，不仅影响舒适性，也可能干扰监测的自然状态。近日，一项发表在《Microsystems & Nanoengineering》的成果引起广泛关注，研究人员开发了一种仿生手指结构的柔性压力传感器系统，首次实现了通过手腕脉搏波直接提取呼吸信号，为可穿戴健康监测技术带来新思路。
毫米级柔性传感：重新定义穿戴舒适性
该系统的传感核心是厚度仅300微米的柔性压力传感器。通过丝网印刷技术，将银叉指电极、碳纳米管敏感层与热塑性聚氨酯（TPU）间隔层进行叠层集成，最终采用聚二甲基硅氧烷（PDMS）完成封装。其表面经过激光蚀刻，形成指纹状环形结构，不仅增强了与皮肤的机械附着性（提升40%），也显著优化了对脉搏信号的采集效率。
在性能方面，该传感器展现出医疗级的测量精度：在0-13 kPa压力范围内灵敏度达到11,847.24 kPa⁻¹，能够捕捉低至120 Pa的压力波动，响应时间仅为37毫秒。经过70,000次循环测试后，系统仍保持稳定。传感器与柔性电路板、蓝牙模块和可充电锂电池集成后，整套设备重量仅9克，佩戴于手腕桡骨粗隆位置时几乎无感，显著提升了用户体验。
智能算法：从脉搏波中解析呼吸信号
研究团队发现，呼吸过程中的胸腔起伏会通过影响心室充盈、心输出量和脉搏基线，在脉搏波中留下可识别的特征信号。这包括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）。
为精准解码这些信号，研究人员开发了一种结合残差网络（ResNet）与双向长短期记忆神经网络（BiLSTM）的ResNet-BiLSTM模型。该模型通过引入残差模块，有效缓解了传统BiLSTM在处理长序列数据时的梯度消失问题，同时增强了对复杂空间特征的提取能力。在包含2708个样本的数据集测试中，该算法对慢呼吸、正常呼吸、快呼吸及模拟呼吸四种状态的识别准确率达到99.5%，其中模拟呼吸状态的识别准确率为100%。相比之下，单一BiLSTM模型的准确率为99%，在慢呼吸识别中存在3%的误差，进一步验证了残差网络的优化效果。
临床验证：从实验室走向真实场景
在圣保罗大学进行的实验中，13名志愿者佩戴该设备完成多种呼吸状态的测试。与商用呼吸传感器的对比结果显示，新系统在捕捉呼吸频率变化方面表现出更高的灵敏度和稳定性。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模型能在两个呼吸周期内完成状态识别，而传统阈值法常出现误判。
更值得关注的是其在复杂呼吸模式下的识别表现。在6名志愿者超过300秒的连续监测中，该系统对混合呼吸状态的识别准确率达到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约92%人群的脉搏分布，无需专业操作即可实现精准佩戴，大大提升了日常使用的便捷性。
未来方向：构建新一代可穿戴医疗范式
该研究不仅提供了一种新型呼吸监测技术，更建立了一套“脉搏波 - 呼吸信息”解码的新范式。目前，研究团队已开发配套移动应用程序，支持实时数据显示与历史趋势分析，为个体健康管理和群体健康监测提供了完整的软硬件解决方案。
尽管当前设备在续航能力上仍面临一定挑战，但研究人员正通过空气动力学优化提升设备续航时间，目标达到2小时以上。试点项目已在亚马逊雨林等复杂环境中启动。项目负责人表示：“这种结合纳米传感器与人工智能的系统，有望成为呼吸系统疾病的电子哨兵，在医疗资源有限的地区发挥关键作用。”
随着柔性电子与人工智能技术的持续融合，此类通过脉搏波“倾听”呼吸信号的技术，或将引领可穿戴医疗设备进入全新阶段——将健康监测自然融入日常生活。
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。