随着传染病的日益流行以及人口老龄化趋势的不断加剧，目前主流的医院或诊所集中式的医疗模式由于缺乏连续的生命体征监测、实时的健康管理而面临巨大的挑战。近年来，信息技术的快速发展、智能终端的普及、传感器技术的进步和互联网基础设施的完善为互联网医疗和可穿戴医疗电子产品的蓬勃发展提供了土壤和养分。其中，步态分析为骨骼、肌肉和神经系统疾病的诊断和康复评估提供了一个便捷的策略。然而，由于系统复杂、成本高等缺点，目前的步态识别方法仍然存在挑战。

中国科学院北京纳米能源与系统研究所王中林院士、董凯研究员等人报道了一种高度集成的由一个基于全纺织结构的自供电多点身体运动传感网络（SMN）组成的步态识别系统。通过结合摩擦纳米发电（TENG）能量采集技术和传统纺织品制造工艺，SMN具备高达1.5 V kPa-1的压力响应灵敏度、良好的透气性（165 mm s-1）和透湿性（318 g m-2 h-1）。通过使用机器学习来分析肢体摆动的周期性信号和动态参数，该步态识别系统对五种病态步态表现出96.7%的高精确度。此外，作者还开发了一个可定制的辅助康复锻炼系统，可监测患者的康复锻炼程度，并及时指导康复训练，为患者的疾病诊断和个性化康复提供了可行的解决方案。该研究以题为“A Self-Powered Body Motion Sensing Network Integrated with Multiple Triboelectric Fabrics for Biometric Gait Recognition and Auxiliary Rehabilitation Training”的论文发表在《Advanced Functional Materials》上。

【智能步态识别系统设计】

作者提出了一种基于全织物结构的自供电多点身体运动传感网络（SMN），用于生物识别步态和辅助康复训练。该传感网络由身体多个部位的多个基于全织物的传感节点连接，实现了对整个身体步态信息的有效多点监测。在网络中，传感节点由顶部的棉织物、三维双罗纹针织布（KF）、导电织物（CF）和底部的棉织物垂直叠加。棉织物被用作包装层，银纤维被用作复合纱线的芯线，而多个聚乙烯纤维被用作护套层。该复合纱线被编织成三维双肋结构，与普通的平面织物相比具有更宽的响应范围，对压力的敏感性更高。基于TENG的设计，集成在日常服装中的SMN在行走过程中会自发产生多通道动态信号，这些多通道并行电信号可被送入机器学习算法，以识别五种常见的变形步态。

图1 高度集成的步态识别系统的示意图

图2 复合纱线的性能和SMN的工作机制

【SMN的性能】

由于三维针织结构对压力的敏感性，SMN的压力响应灵敏度比普通织物压力传感器要好很多。SMN还表现出优异的稳定性和长期稳健的电气性能，在超过10000次的循环中没有明显的输出衰减。此外，SMN还具备良好的耐洗性。作者每隔两小时对SMN的开路电压进行测试，结果在水洗12小时后，SMN仍保持85%以上的初始性能。作者将多个传感节点集成到服装的不同部位来构建SMN，包括膝部、肘部、腰部、肩部和颈部。结果表明，每个传感节点都能有效监测外部压力，这验证了监测步态信息和进行步态识别及辅助康复训练的可行性。当传感节点被放置在佩戴者的膝部和肘部时，SMN表现出最佳的电输出性能和传感特性。

图3 SMN的制备过程和电气性能

【智能步态识别系统的应用】

由SMN、机器学习算法和人机界面组成的智能步态识别系统被应用于畸形步态的识别和对患者的康复指导。带有多个传感节点的SMN被分别集成在肘部和膝盖上。当人体行走时，伴随着四肢的弯曲和摆动，SMN会产生相应的多通道电信号，这些信号被用作机器学习数据分析的来源。基于SMN和机器学习。算法的步态识别系统表现出高达96.7%的分类准确率，而且性能非常稳定。因此，SMN有望应用于医疗辅助康复系统，可以根据步态识别结果和其他医疗指标为患者制定个性化、针对性的康复方案。以帕金森病步态为例，系统预设了四种训练方式，即扭肩、侧弯、卧屈直腿和屈膝。通过对动作的分类、计数和标准判断，医生可以获得并监督病人的康复情况。因此，SMN为智能医疗辅助康复训练平台的建设提供了一个合适的、有前景的解决方案。

图4 基于SMN的高集成度步态监测系统

总结：作者开发了一种基于纺织品的自供电多点人体运动传感网络（SMN），用于步态识别和辅助康复训练，可无缝、无感地集成到服装中，具有优良的压力响应性、透气性、透湿性、耐洗涤和高稳定性。结合多通道传感器数据和机器学习算法，该步态识别系统对五种病态步态表现出96.7%的高精确度。此外，作者还建立了一个辅助康复系统，为生物识别步态和辅助康复训练提供了高效、舒适的新方案，展示了基于智能纺织品的传感网络在智能医疗领域的广阔发展和应用前景。

新材料新闻