仿生手指柔性压力传感系统：通过脉搏波精准解析呼吸状态
呼吸是维持生命的关键生理功能，其长期监测对于预防和诊断呼吸系统疾病具有重要意义。传统监测设备多依赖胸带或鼻腔贴附，不仅体积较大，还可能影响佩戴舒适度，甚至干扰监测数据。近日，《Microsystems & Nanoengineering》刊登的一项研究，展示了一种创新方案——基于仿生手指结构的柔性压力传感器系统，成功实现了从腕部脉搏波中提取呼吸信息，为可穿戴健康监测提供了新的思路。
微型柔性传感技术：开启毫米级呼吸监测新时代
该系统的核心组件是厚度仅为 300 微米的柔性压力传感器。其结构采用丝网印刷法，将银叉指电极、碳纳米管敏感层与热塑性聚氨酯（TPU）间隔层精确堆叠，最终通过聚二甲基硅氧烷（PDMS）封装。传感器表面通过激光刻蚀形成指纹状环形结构，不仅增强了与皮肤的结合力，还提升了脉搏信号的捕捉效率。
在性能方面，该传感器在 0–13 kPa 的压力范围内表现出高达 11,847.24 kPa⁻¹ 的灵敏度，能够识别低至 120 Pa 的微小压力变化。响应时间仅 37 毫秒，并在 7 万次循环测试中保持信号稳定。系统集成柔性电路板、蓝牙模块与可充电电池后，总重量控制在 9 克以内，佩戴在手腕桡骨粗隆区域几乎无感。
智能算法突破：从脉搏波中解析呼吸状态
研究团队发现，呼吸过程中的胸腔扩张与收缩会影响心室充盈、心输出量及脉搏基线，这些变化会以三种形式反映在脉搏波中：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）。为此，团队设计了一种结合残差网络（ResNet）与双向长短期记忆网络（BiLSTM）的复合模型——ResNet-BiLSTM。
该算法通过引入残差模块，有效缓解了 BiLSTM 在处理长序列数据时可能出现的梯度消失问题，同时增强了对复杂空间特征的识别能力。在包含 2708 个样本的数据集测试中，ResNet-BiLSTM 模型在四种呼吸状态（慢呼吸、正常呼吸、快呼吸和模拟呼吸）中的分类准确率达到 99.5%，其中对模拟呼吸的识别率达到 100%。相比之下，单一 BiLSTM 模型的平均准确率略低，且在慢呼吸识别中存在 3% 的误差。
临床验证：从实验室走向实际场景的跨步
在圣保罗大学的临床试验中，13 名志愿者佩戴该系统完成了不同呼吸状态的监测。与商用呼吸传感器相比，新系统在捕捉呼吸频率变化方面表现突出，特别是在从慢呼吸（6 次/分钟）向快呼吸（30 次/分钟）过渡时，ResNet-BiLSTM 模型能在两个呼吸周期内完成状态识别，而传统阈值法容易误判。
更值得关注的是其在复杂动态环境下的稳定性。在对 6 名志愿者进行超过 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了 100%，而商用设备在呼吸状态突变时误差率超过 15%。此外，该传感器的有效检测区域为 5.5 mm × 24.8 mm，可覆盖 92% 的人群脉搏分布，无需专业人员进行定位，大幅提升了日常应用的便捷性。
未来发展方向：重新定义可穿戴医疗设备的模式
这项研究不仅提供了一种全新的呼吸监测手段，更开创了“脉搏波-呼吸信息”直接解码的新范式。研究团队已开发配套移动应用程序，支持实时数据可视化与历史趋势分析，为个体健康管理和群体健康监测提供了完整的解决方案。
尽管目前设备的续航能力尚未达到大规模户外应用所需，但研究团队正通过优化空气动力学设计，将续航时间提升至 2 小时以上，并计划在亚马逊雨林等复杂环境中进行试点部署。这种将纳米传感与人工智能技术融合的系统，未来有望成为资源有限地区呼吸系统疾病早期筛查的“电子哨兵”，发挥巨大社会价值。
随着柔性电子材料和机器学习算法的不断进步，这种从脉搏信号中“听”出呼吸状态的技术，或将引领下一代可穿戴医疗设备的设计理念，使健康监测真正融入日常生活。
期刊参考：
Zhang, X. 等人.（2025） 通过手指式柔性压力传感器系统直接从脉搏波中提取呼吸信息. 微系统与纳米工程. doi.org/10.1038/s41378-025-00924-4.