登录

一种完全集成的、独立可拉伸的,具有用于康复的传感器内自适应机器学习功能的设备平台

嘉峪检测网 2023-11-29 08:16

导读:近日,《Nature Communications》上展示的一篇研究报告了一种完全集成的独立可拉伸设备平台的设计和验证.

导 语
 
人类喉咙的手术后治疗通常需要对生命和肌肉活动进行持续监测。然而,尚未开发出能够直接从喉咙皮肤进行无线、连续监测和分析这些活动的方法。近日,《Nature Communications》上展示的一篇研究报告了一种完全集成的独立可拉伸设备平台的设计和验证,该设备平台可以提供对喉咙各种振动和肌肉电活动的无线测量和基于机器学习的分析,为设计和应用可穿戴皮肤接口系统以远程监测和治疗评估各种疾病铺平了道路。
 
1、研究背景
 
可穿戴设备在疾病诊断确认、治疗评估和健康老龄化方面开始蓬勃发展。目前,用于跟踪喉部特征的商业设备是刚性、笨重和有线的。设备与皮肤接触不良也会导致信号衰减,同时容易受到运动伪迹的影响。因此,迫切需要软性喉部设备来持续监测喉部活动以进行诊断和康复评估。 
 
喉部肌肉运动和局部惯性振动经常被用来评估患者的喉部健康状况。然而,传统可穿戴设备只能提供有限的患者健康状况信息。振动和肌肉活动的监测主要通过在皮肤上使用独立的惯性设备和力传感器来实现。现有的柔性表面肌电图(sEMG)电极存在可伸缩性有限,系统集成能力差,透气性低和在使用几个小时后会导致严重的皮肤炎症或过敏等缺点。目前尚未将高质量的sEMG信号集成到设备平台中,并且仍然需要基于先进的机器学习算法在云端进行数据分析以实现远程监测和评估。 
 
基于机器学习的诊断在智能医学的发展中具有很大的兴趣,尤其是与软性电子设备相结合(用于分类吞咽障碍的严重程度)。但是早期的基于一维(1D)卷积神经网络(CNN)的深度学习在实际应用中尚存在巨大挑战。
 
2、研究概述
 
该研究的独立可拉伸设备平台由水凝胶电极和功能电子元件组成,通过共面蛇形铜网络相互连接,可以直接附着在人体皮肤上。从惯性三轴加速度计和水凝胶电极处理和无线传输的信号提供了对喉部和人体其他部位的局部振动和肌肉活动的持续非侵入性监测。通过高效的卷积神经网络可以区分各种活动,并且在云服务器上处理的数据进一步促进远程康复和疾病诊断。该平台采用低成本工艺制造,经有限元分析(FEA)和实验验证,该平台在各种机械变形下表现出稳健的电机械性能。
 
 图1 独立可拉伸喉贴的概述和设计
 
(图片来自原文)
 
复合水凝胶主要由单体,交联剂,光引发剂和离子盐组成。为了避免铜基电极阵列的氧化并改善与皮肤的接触质量以增强信号采集,通过在具有聚二甲基硅氧烷(PDMS)的离子复合材料中掺杂银纳米线(AgNW)设计了一种可拉伸和高导电的离子水凝胶界面骨架。与之前研究报道的水凝胶相比,该改性水凝胶具有优异的接触阻抗和其他适合与柔性电路集成在独立设备平台中进行健康监测的性能,优于之前报道的水凝胶。
 
图2 复合水凝胶电极的表征
 
(图片来自原文)
 
该完全集成的设备贴片旨在提供高质量的无线传输。该集成设备有出色的阻抗匹配,且由于功耗低,生物相容性Ecoflex封装能隔离热辐射,适合在皮肤上长期使用。该设备与皮肤的紧密耦合可提供高质量的sEMG信号,与商用设备相比,其具有最高的功率谱密度和最低的信噪比。该装置还表现出高机械顺应性和鲁棒性,从而导致各种变形时皮肤的舒适度整合。完全集成的设备具有卓越的机械和电气特性,可在运动过程中进行舒适的监测(例如吞咽活动),其性能优于先前研究报告的喉部传感器。
 
图3 贴片的电子和机械特性
 
(图片来自原文)
 
由于喉咙为各种疾病的临床诊断和相应的术后训练/评估提供了丰富的振动和肌肉活动信息,因此该设备被应用于这个关键位置进行概念验证演示。贴片中采样频率高达800Hz的高灵敏度加速度计ADXL-345可以成功连续监测各种活动,具有从0到400Hz的宽频谱。沿三个不同方向同时测量的加速度数据使集成系统能够分别区分多个运动,并捕获重症肌无力患者的吞咽过程。将加速度数据与说话时肌肉活动的sEMG相结合可以进一步解耦说话,实现语音识别,并在临床实践中对各种疾病进行更精确的诊断和评估。
图4 生理过程和身体动作的无线记录
 
(图片来自原文)
 
为了帮助自动评估新患者和健康个体的喉部状况,该研究探索了基于CNN的类2D序列特征提取器(2D-SFE),以根据生理事件的分类来分类和推断病理状态 。收集的1D数据(加速度和sEMG)首先传输到类似于图像矩阵的2D矢量,以便由基于CNN的2D-SFE进行处理,该2D-SFE包含62个过滤层和2个分类层。在具有上述相关活动的训练模型中,处理向量从卷积层迭代到池化层,然后到激活层,以实现特征向量(FV)的降维。通过评估全连接层softmax函数的一致性,将提取的特征进一步分类为特殊目标。研究结果证明了基于CNN的2D-SFE在多维向量预测方面的优异性能。
 
图5 用于术后康复的类2D序列特征计算
 
(图片来自原文)
 
通过本地蜂窝网络实时无线传输到云服务器的测量数据也为随着时间的推移进行远程诊断和治疗评估创造了机会。在概念验证演示中,该研究选择免费的阿里云作为云中心,并根据应用程序开发协议定制用户界面。基于CNN的2D-SFE与另外两名受试者的喉部活动进行验证。
 
图6  无线康复评估的应用
 
(图片来自原文)
 
3、研究意义
 
这项研究报告了一个完全集成的独立可拉伸设备平台,用于从皮肤直接监测和基于机器学习处理各种振动和肌肉活动。改进的复合水凝胶界面设计与人体皮肤紧密接触,实现了较低的接触阻抗,以获得高信号质量,并减少粘附力以便于拆卸。集成的三轴加速度计具有宽带宽,可以准确监测大幅度运动(如行走和跳跃)和微小振动(如心跳和呼吸)。通过基于CNN的2D类顺序特征提取器处理的喉部活动期间的13个常见特征/状态的测量数据可以以98.2%的高准确率进行分类。机器学习模型中的全连接神经元进一步使其能够以92%的准确率对来自新的人体对象的数据进行分类。此外,用于在云端处理数据的定制接口为远程诊断和康复管理以及各种疾病应用开辟了新的机会。最重要的是,开发的独立可拉伸平台将皮肤接触的软电极和传感器与可拉伸混合电路集成,用于无线传输。此外,该集成设备平台捕获的sEMG与3D加速度信号相结合,可以为特征提取器提供丰富的信息,以适应新的人体对象,从而实现吞咽障碍的评估和康复。
 
参考文献:
 
Xu, H., Zheng, W., Zhang, Y. et al. A fully integrated, standalone stretchable device platform with in-sensor adaptive machine learning for rehabilitation. Nat Commun 14, 7769 (2023). https://doi.org/10.1038/s41467-023-43664-7
 

来源:Internet

关键词: 可穿戴皮肤 可拉伸设备平台

相关资讯

我要检测 电话咨询