仿手指柔性压力传感器系统：通过脉搏波精准捕捉呼吸信息
呼吸作为维持生命的关键生理活动，其长期监测对于呼吸系统疾病的预防和诊断具有重要意义。然而，传统监测手段往往依赖体积较大的设备，或需要佩戴胸带、贴近鼻腔，影响舒适度并可能干扰测量。最近，《Microsystems & Nanoengineering》期刊刊登的一项研究取得了突破性进展：科研团队成功开发出一款仿手指结构的柔性压力传感器系统，首次实现从手腕脉搏波中提取呼吸信息，为可穿戴健康监测技术打开新视野。
毫米级柔性传感：革新健康监测方式
该系统的核心是一枚厚度仅为300微米的柔性压力传感器。通过丝网印刷工艺，将银叉指电极、碳纳米管敏感层以及热塑性聚氨酯（TPU）间隔层进行精密堆叠，并最终采用聚二甲基硅氧烷（PDMS）进行封装。传感器表面采用激光蚀刻技术，形成类似指纹的环形结构，有效提升了与皮肤之间的附着强度达40%，同时增强了脉搏波捕捉能力。
性能方面，该传感器在0-13 kPa压力范围内表现出高达11,847.24 kPa⁻¹的灵敏度，可识别低至120 Pa的微弱压力变化，响应时间仅为37毫秒。经过70,000次重复测试后，信号仍保持稳定。系统集成柔性电路板、蓝牙模块和可充电锂电池后，整体重量仅9克，佩戴于手腕桡骨粗隆位置几乎无感，解决了传统设备带来的不适问题。
智能算法：解读呼吸与脉搏的深层联系
研究团队发现，呼吸过程中胸腔的扩张与收缩会通过影响心室充盈、心输出量和脉搏波基线，在脉搏波中留下三类特征信号：呼吸诱导心室充盈波动（RIFV）、呼吸诱导心输出量变化（RIAV）和呼吸诱导脉搏基线波动（RIIV）。为此，团队设计了一种融合残差网络（ResNet）的双向长短期记忆神经网络（ResNet-BiLSTM），用于解析这些细微波动。
该算法通过引入残差模块有效缓解了传统BiLSTM在长序列处理中常见的梯度消失问题，同时提升了空间特征的识别能力。在包含2708个样本的测试数据集上，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到99.5%，其中模拟呼吸识别率甚至达到100%。对比来看，传统BiLSTM模型整体识别准确率仅为99%，尤其在慢呼吸状态识别中存在约3%的误差。
应用验证：从实验室走向真实场景
圣保罗大学的研究团队组织了13名志愿者进行人体测试。与商用呼吸传感器相比，新系统在识别呼吸频率变化方面展现出独特优势。例如，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2个呼吸周期内完成状态识别，而传统阈值方法常出现误判。
更值得关注的是其在复杂场景中的稳定性。在对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100%，而商用设备在呼吸状态突变时误差率超过15%。此外，传感器5.5 mm × 24.8 mm的有效检测区域可覆盖92%人群的脉搏分布位置，无需专业人员指导安装，显著提升了日常使用的便捷性。
未来方向：可穿戴医疗的新模式
该研究不仅提供了一种新型呼吸监测技术，更建立了一种“脉搏波 - 呼吸信息”直接解析的新范式。目前，研究团队已开发配套移动应用，支持数据的实时显示和历史趋势分析，为个人健康管理和群体健康监测提供完整解决方案。
尽管当前设备续航尚未完全满足大规模部署需求，但研究团队正在通过空气动力学优化提升设备续航至2小时以上，并计划在亚马逊雨林等复杂环境中开展实地测试。该项目负责人表示：“这种融合纳米传感器与人工智能的系统，有望在未来成为呼吸系统疾病早期筛查的‘电子哨兵’，尤其在医疗资源有限的地区具有广阔应用前景。”
随着柔性电子与机器学习技术的不断发展，这种从脉搏中“听”出呼吸的创新方案，或将重塑可穿戴医疗设备的设计理念，使健康监测真正融入日常，而不再成为身体的负担。
参考文献：
Zhang, X. 等人（2025）利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。