随着对健康管理的关注日益增加和智能技术的进步，可穿戴传感器在医疗保健和人体运动分析中的应用得到了推动，特别是在通过引导性锻炼，预防与工作相关的上肢肌肉骨骼疾病（MSDs）方面。然而，目前大多数可穿戴医疗传感器都比较僵硬、笨重，无法原位识别人体的全面运动。据报道，肩关节损伤是 MSD 患者中最常见的症状之一，约占报告病例的 25%。因此，迫切地需要开发一种能够在日常活动中持续跟踪关节运动的监测系统，以预防和康复上肢MSD。尽管已经提出了各种监测系统来捕获来自手腕、膝盖和脚踝等关节的运动信号，其主要利用可穿戴传感器，包括惯性传感器（如加速度计和陀螺仪、应变计和光纤传感器），但大多数当前系统都遇到了各种限制。这些限制包括复杂和刚性的传感器结构、苛刻的数据处理需求、高电路能耗和运动信息采集限制，进而影响了它们在实际应用中的有效性。另一方面，通过将适形电子传感器与人体皮肤集成，扩大了监测各种生物信号和身体运动的应用场景范围。作为一种适形传感器，压力传感器占了很大的比例。柔性压力传感器将人体运动引起位移产生的机械刺激转换为电信号，被认为是监测生理信息的可期选择。然而，由于肩部运动的复杂性，现有的柔性压力传感器缺乏拉伸性和惯性监测能力，并且缺乏便携的能量供应系统，因此不足以满足MSD监测要求。

  中国科学院北京纳米能源与系统研究所的魏迪研究员团队与北京积水潭医院合作，提出了一种几何优化适形且具有自供电功能的惯性位移传感器（CSIDS），可用于非侵入原位数据采集。通过模板辅助加工和COMSOL仿真，系统性地改变了摩擦层材料的几何构型，特别是半圆柱状凸起的曲率，从而明显提高了关节运动范围的检测精度。利用基于多层感知器（MLP）网络的深度学习模型，精确捕捉了肩关节弯曲角度和肱骨线性加速度的特征，最终实现了99.38%和99.58%的卓越识别准确率。与传统的只能识别单一指标的摩擦纳米发电机(TENG)可穿戴传感器相比，CSIDS通过惯性数据检测实现了更全面的健康评估。该系统可为肩关节疾病提供早期预警，预防MSD；并扩展到智能可穿戴设备，以实现全面的关节健康和人体工程学监测。

  图 1. 用于评估人类上肢关节功能的 CSIDS 示意图。a） CSIDS可以附着在人体上肢的关节上，进行原位监测。b） CSIDS的三维结构表示。c） 碳掺杂Ecoflex和Ecoflex材料的表面微观结构：i）三维结构示意图;ii） 和 iii） 碳-硅氧烷和有机硅基材料的光学显微镜图像。d） 基于机器学习的数据处理框架。e） 非侵入性监测提供对人类信息的访问。

  图2. CSIDS在不同几何构型下的工作原理以及理论模拟和实验验证.a） 不同几何结构下CSIDS的接触状态。b） CSIDS在不同几何结构下的工作原理示意图。c） 不同几何结构下CSIDS的COMSOL势模拟。d-e） 使用有限元方法模拟不同几何构型下的CSIDS行为。g-i） 不同几何构型的CSIDS在不同弯曲角度下的输出性能。2.3 CSIDS的参数优化与输出性能评估.

  图3. 联合运动仿真下CSIDS的参数优化与输出性能.a） 模拟人体关节运动的实验平台。b） 带屏蔽和不带屏蔽的CSIDS示意图。c） 无屏蔽层的CSIDS输出信号。d） 带屏蔽层的CSIDS输出信号。e） 不同Ecoflex-碳质量比下CSIDS的性能探索。f） 同一区域下不同数组号的CSIDS的输出性能。g） 不同间隙下CSIDS的Ecoflex基材料的输出性能。h） CSIDS的应力-应变曲线。i） CSIDS在拉伸条件下的输出性能。j） 从CSIDS的运动仿真中可以推断出的惯性参数的示意图。k） CSIDS在不同弯曲角度下的电压幅值所表现出的反馈特性。l） CSIDS在不同线性加速度下的输出性能。m） 不同线性加速度下电压幅值对CSIDS的反馈特性。n） CSIDS在不同弯曲角度下的角加速度和角速度的推导。

  图4. 基于机器学习的数据处理。a） 数据预处理（线性加速度-频谱频谱）。b） 数据预处理（弯曲角度-频谱频谱）。c） 神经网络的结构（网络结构、反向传播）。d）训练过程（线性加速）。e）训练过程（弯曲角度）。f）训练结果为（线性加速度）。g）训练结果为（弯曲角度）。

  图5. 非侵入性CSIDS在监测人类信息中的应用。a） 上肢运动员面临的肩关节损伤。b） CSIDS在监测人体肩关节中的应用前景。c） 附着在人体关节上的CSIDS的照片。d） CSIDS 诊断人类肩关节运动范围受限。e） 肩关节信号指示系统接口。CSIDS在监测腕关节（f）和肘关节（g）中的应用。

  本工作设计了一种具有几何优化适型的自供电惯性位移传感器，用于原位非侵入式数据采集。通过采用模板辅助处理和 COMSOL 仿真，发现了在监测人体传感应用中表现出固有优势的特定几何构型。与其他构型相比，半圆柱形构型的曲率可最大化接触表面积，增强 CSIDS 信号并实现对关节运动范围的准确监测。这些发现证明了摩擦层材料中的几何构型对于优化基于TENG运动传感器传感能力的关键作用。碳掺杂的 Ecoflex 层在关节皮肤和 CSIDS 之间起到保护屏障的作用，确保了识别的高度可靠性。集成基于MLP网络的深度学习模型，可有效捕捉肩关节弯曲角度和肱骨线性加速度的特征，平均准确率分别为99.38%和99.58%。此外，由于 CSIDS 具有非常出色的延展性，摩擦电信号可以在110% 的外加应变内保持稳健的线性，从而能够长时间地监控肩部运动。监测肩关节弯曲角度和肱骨线性加速度可对上肢关节健康情况进行全面评估。肩关节的运动范围和肱骨的负荷是关节健康的关键方面。通过整合这两种类型的数据，可以更全面地了解关节健康和潜在问题。文中演示还包括了对腕关节和肘关节运动的监测。

  该工作是魏迪教授近期基于摩擦纳米发电机（TENG）的柔性能源采集与传感系统方面的最新进展之一。该系统通过集成机器学习，实现了更加全面的健康评估，尤其在肩关节疾病的早期预警和肌肉骨骼疾病（MSD）的预防方面展现了显著优势，为全面的关节健康监测和人体工程学分析提供了新的解决方案。魏迪教授课题组介绍请登录。课题组长期招聘博士后和科研助理，有意者欢迎登录课题组网站联系。

  声明：仅代表作者本人观点，作者水平有限，如有不科学之处，请在下面进行留言指正！