仿指型柔性压力传感器系统：从脉搏波中解码呼吸信号
呼吸作为维持生命的关键生理活动，其长期监测对早期识别和干预呼吸系统疾病具有重要意义。然而，传统呼吸监测设备往往体积较大，依赖胸带或鼻腔传感器，不仅影响佩戴者的舒适度，也容易对数据采集造成干扰。近日，一项发表于《Microsystems & Nanoengineering》的研究提出了一种创新方案——基于仿手指结构的柔性压力传感器系统，能够通过手腕脉搏波直接提取呼吸信息，为可穿戴健康监测开辟了全新的技术路径。
柔性传感技术：微型化带来的监测革新
该系统的研发核心是一款厚度仅300微米的柔性压力传感器。该器件采用丝网印刷工艺，依次叠加银叉指电极、碳纳米管敏感层和热塑性聚氨酯（TPU）间隔层，最终以聚二甲基硅氧烷（PDMS）封装。传感器表面经过激光蚀刻处理，形成类似指纹的环形结构，不仅显著提升了与皮肤的机械附着性，还优化了对脉搏信号的响应效率。
在性能表现上，这款柔性传感器达到了医疗级别标准。其在0至13 kPa压力范围内的灵敏度高达11,847.24 kPa-1，可检测低至120 Pa的微小压力变化，响应时间为37毫秒。经过70,000次循环测试后，信号仍保持稳定。整个系统集成柔性电路板、蓝牙模块与可充电电池后，总重量仅为9克，佩戴于桡骨粗隆处几乎无感，有效解决了传统设备在舒适性方面的不足。
智能算法：深度学习赋能呼吸信号解析
研究团队发现，呼吸过程中胸腔的变化会通过影响心室充盈、心输出量和脉搏基线，在脉搏波中产生三种可识别的特征信号：呼吸诱导心室充盈波动（RIFV）、呼吸诱导心输出量变化（RIAV）以及呼吸诱导脉搏基线波动（RIIV）。为准确提取这些信号，团队开发了一种结合残差网络（ResNet）与双向长短期记忆网络（BiLSTM）的混合模型。
这一算法架构的优势在于，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，同时提升了对复杂空间特征的提取能力。测试结果显示，在包含2708个样本的数据集上，ResNet-BiLSTM模型对慢呼吸、正常呼吸、快呼吸及模拟呼吸四种状态的分类准确率达99.5%，其中对模拟呼吸的识别率甚至达到了100%。相比之下，单一BiLSTM模型的整体准确率为99%，在慢呼吸识别中存在一定误差，进一步证明了残差网络的优化效果。
临床验证：从实验室到真实场景的跨步
在圣保罗大学进行的人体实验中，13名志愿者佩戴该系统进行不同呼吸状态下的监测。与商用呼吸传感器进行对比后，新系统在检测呼吸频率变化方面展现出独特优势。当志愿者从每分钟6次的慢呼吸过渡至30次的快呼吸时，ResNet-BiLSTM模型可在两个呼吸周期内准确识别状态变化，而传统阈值法往往出现误判。
系统在复杂呼吸模式中的稳定性也值得关注。在对6名志愿者进行300秒以上连续监测的过程中，该系统对混合呼吸状态的识别准确率达到100%，而现有设备在状态突变时误差率超过15%。此外，研究人员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92%人群的脉搏分布，无需专业定位，显著提升了日常使用的便捷性。
未来方向：重新定义可穿戴医疗设备
该研究不仅提出了一种新的呼吸监测方式，也构建了“脉搏波-呼吸信息”之间的直接解析框架。目前，研究团队已开发出配套移动应用程序，支持实时数据展示和历史趋势分析，为个体健康追踪和群体健康管理提供了完整的数字支持。
尽管当前受限于设备续航能力，尚未广泛应用于大范围监测，研究团队正致力于通过空气动力学优化将续航时间提升至2小时以上，并计划在亚马逊雨林等复杂环境中开展试点应用。正如项目负责人指出，该系统有望成为呼吸系统疾病筛查的“电子哨兵”，尤其在医疗资源有限的地区展现出广阔前景。
随着柔性电子技术与人工智能算法的持续演进，这种从脉搏波中“捕捉”呼吸信号的创新方案，或将引领可穿戴医疗设备进入一个全新的发展阶段——使健康监测更加自然融入日常生活，而非成为负担。
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。