可穿戴电子功不可没！神经疾病居家监测和精准康复！

中国科学院北京纳米能源与纳米系统研究所王中林院士张弛研究员团队研发了一款集成聚氨酯基柔性光学应变（PFOS）元件与接触分离式摩擦纳米发电机（CS-TENG）的无线穿戴式双模传感器（WDMS）。该传感器实现了下肢肌肉信号与足底压力的双模感知，同时通过CS-TENG收集生物力学能量自供能，结合嵌入式CNN-LSTM模型完成帕金森病（PD）和中风的高精度识别与康复效果量化评估，为神经疾病的居家管理和智能诊断提供了全新的技术方案。

一、研究背景

帕金森病、中风等神经退行性疾病常导致下肢运动功能障碍，表现为步态拖沓、步长不对称、关节活动能力下降等特征，实时监测下肢关节运动学和肌肉动力学是实现疾病早期诊断、病情追踪和康复效果评估的关键。但现有监测技术存在诸多局限：光学运动捕捉系统、仪器化走道等设备成本高、体积大，仅能在实验室使用，无法实现日常连续监测。基于惯性测量单元（IMU）、压阻/电容式压力鞋垫、表面肌电（sEMG）的设备存在形态僵硬/笨重、依赖有线或频繁充电、易受运动伪影和电磁干扰影响的问题。压电、电容、电阻型柔性传感器受小型化限制，存在绝缘不足导致的漏电流、易受电磁干扰等缺陷；石英光纤传感器虽电气安全、抗干扰，但拉伸性差（应变极限<1%），无法适配关节大变形。

现有TENG基智能鞋袜多仅监测单点位足底信号，依赖外部供电的多通道采集和无线传输设备，无法捕捉多部位肌肉动力学，也极少针对神经疾病人群开展研究。现有传感系统多为单模态感知，仅能捕捉步态动力学的碎片化信息；缺乏自供能能力，依赖外部电源；无嵌入式诊断智能，仅能被动记录数据，难以实现疾病智能识别和康复量化，制约了神经疾病居家监测和精准康复的发展。

二、研究亮点

1. 集成3个PFOS元件和1个CS-TENG，PFOS监测下肢关键肌肉应变信号，CS-TENG同步实现足底压力传感和生物力学能量收集，彻底摆脱外部电源依赖，同时实现**肌肉应变+足底压力**的双模步态数据采集，丰富步态特征维度。

2. PFOS元件基于聚氨酯（PU）光纤制备，拉伸应变>900%，工作应变范围0~100%，灵敏度达12.25 mV/%，线性度R2=0.96，滞后误差仅4.62%，可耐受20000次循环拉伸，且具备0~55℃温度适应性、防水性和抗冲击性，能精准捕捉细微肌肉应变和关节大变形。

3. 传感器集成于鞋具和下肢肌肉部位，搭配小型化解调电路板和蓝牙无线传输，实现步态数据的实时采集、无线传输和移动端可视化，佩戴舒适且不影响日常活动，适配居家和户外场景。

4. 基于60名受试者的步态数据训练的CNN-LSTM模型，双模传感数据识别帕金森病和中风的准确率达94.23%，远超单模态传感（CS-TENG仅40.38%，PFOS仅88.46%）；同时可定量评估药物治疗和物理康复的效果，提供客观的康复生物标志物。

三、研究内容

研究围绕WDMS的设计、制备、性能表征、人体多部位监测及AI辅助神经疾病诊断与康复评估展开，核心内容分为六大模块：

（一）WDMS的整体设计与工作原理

图1：WDMS的功能与设计

a：WDMS的自供能双模传感原理，PFOS将肌肉应变转化为光学信号，CS-TENG集成足底压力传感和能量收集，通过解调电路板实现模式切换和无线传输；

b：AI辅助远程步态识别流程，双模数据无线传输至终端，经CNN-LSTM模型处理实现帕金森病和中风的诊断；

c：康复场景的监测与评估，对比药物治疗和物理康复前后的步态指标，实现康复效果的定量分析。

WDMS由3个PFOS应变传感元件、1个CS-TENG（压力传感+能量收集）、小型化可切换模式解调电路板和AI分析模块组成，整体集成于鞋具和下肢关键肌肉部位（腓肠肌、股内侧肌、股二头肌）：

1. PFOS：贴附于下肢肌肉，基于比尔-朗伯定律将肌肉拉伸应变转化为光学衰减信号，实现肌肉动力学监测；

2. CS-TENG：嵌入柔性PU鞋垫，行走时通过接触分离效应产生电信号，充电模式下将生物力学能量转化为电能为锂电池充电，传感模式下捕捉足底压力和步态步数信号；

3. 解调电路板：支持充电/传感模式的物理/远程（移动端APP）切换，完成光学信号的光电转换、电信号的采集和蓝牙无线传输；

4. AI分析模块：基于CNN-LSTM模型对双模步态数据进行特征提取和分类，实现神经疾病识别和康复效果量化。

（二）WDMS的制备工艺

图2：WDMS的制备过程

a：PFOS元件的制备流程，包括PU光纤的混合、脱泡、热固化，以及塑料光纤的组装和包层的涂覆；

b：PU光纤的柔性和拉伸性验证，可打结、拉伸至300%应变而不失效；

c：PFOS元件的实物图和通光状态，验证良好的导光性能；

d：CS-TENG的传感原理，接触分离时的摩擦起电和静电感应产生电信号；

e：可切换模式电路板的功能示意图，支持充电/传感双模，实现能量收集、信号采集和蓝牙传输；

f：步态采集鞋的整体示意图，CS-TENG嵌入鞋垫，电路板和电池固定于鞋帮，PFOS连接至下肢肌肉。

1. PFOS元件制备：将Clear Flex 30的A、B组分1:1混合脱泡，注入聚四氟乙烯（PTFE）管热固化（60℃，5h）得到PU光纤；将塑料光纤（POF）轴向对齐插入PU光纤两端，热固化形成核结构；再将Dragon Skin 20涂覆于核结构表面作为包层，形成“POF-PU光纤-POF”的三层PFOS元件，核-包层的折射率差（PU核心n=1.48822，包层n≈1.41）满足全反射条件，保证导光性。

2. CS-TENG制备：在亚克力基板上贴合铜箔电极，覆盖聚四氟乙烯（PTFE）摩擦层，最后用Kapton膜封装，通过接触分离时的摩擦起电和静电感应实现能量收集和压力传感。

3. 系统集成：将CS-TENG封装于PU鞋垫，解调电路板和锂电池固定于鞋帮；PFOS元件通过软固定贴附于下肢肌肉，与电路板通过塑料光纤连接，形成统一的穿戴式传感系统。

（三）WDMS的性能表征

图3：PFOS元件和CS-TENG的性能表征

a：PFOS元件的静态校准曲线，0~100%应变下线性度良好，灵敏度12.25 mV/%；

b：PFOS元件对不同应变幅度的响应，信号与应变变化高度同步；

c：PFOS元件在50%应变下不同持荷时间的信号稳定性，无明显漂移；

d：PFOS元件的抗冲击测试，冲击后信号保持正常；

e：PFOS元件20000次循环拉伸的疲劳稳定性，信号无明显畸变；

f：CS-TENG在不同接触力下的电压/电流输出，随接触力增大单调提升；

g-h：CS-TENG在不同工作频率下的电压/电流输出，电流随频率提升显著，电压保持稳定。

1. PFOS元件的性能：2.0mm直径PU光纤拉伸应变>900%，工作应变0~100%，灵敏度12.25 mV/%，线性度R2=0.96，滞后误差4.62%；响应速度快，在50%应变下不同持荷时间信号稳定，抗冲击、防水，0~55℃温度范围内信号仅轻微波动。20%应变下经20000次循环拉伸，光学信号无明显畸变；LED连续照射21天，基线波动仅1.6%，光氧化老化影响极小；干-湿循环、模拟汗液浸泡、皮肤接触8h后信号均保持稳定。

 2. CS-TENG的性能：1Hz频率下，接触力从1N增至40N时，短路电流从2.1μA增至35μA，开路电压从500V增至1150V；1N接触力下，频率从1Hz增至5Hz，短路电流提升3.7倍，开路电压保持稳定，最大输出功率0.25W（1MΩ负载）。搭配电源管理电路后，10μF电容15s内可充电至3.3V系统工作电压；25mAh锂电池经4h行走充电，电压从3.165V升至3.28V，储存能量95.7mWh，日常行走的能量收集量可覆盖系统能耗（10分钟工作周期净盈余约280.96mJ）。3Hz频率下连续工作1h输出信号稳定；30%~75%湿度下，开路电压和短路电流仅轻微下降，环境适应性良好。

（四）人体多部位的双模传感验证

图4：WDMS的人体多部位监测应用

a：CS-TENG与商用小米手环的步数统计对比，信号高度吻合；

b：9组对比测试的结果，CS-TENG步数统计最大相对误差仅5.49%；

c：25mAh锂电池的充电性能，4h充电电压从3.165V升至3.28V；

d：WDMS的供电恢复示意图，电量耗尽后可通过行走充电或直流充电快速恢复；

e：PFOS元件结合移动端APP的下肢肌肉监测示意图，实现信号实时可视化；

f-k：健康受试者（f-h）和神经疾病患者（i-k）的下肢肌肉应变信号，患者信号呈现明显的病理异常，与健康人群形成显著差异。

1. 足底压力与步数监测：CS-TENG的步数统计结果与商用小米手环对比，最大相对误差仅5.49%，精准捕捉步态步数和足底压力动态。

2. 下肢肌肉应变监测：PFOS元件可精准捕捉健康受试者腓肠肌（踮脚）、股内侧肌（抬腿）、股二头肌（原地踏步）的肌肉应变信号，信号与运动动作高度同步；同时可区分神经疾病患者与健康受试者的肌肉应变特征，捕捉病理步态的异常信号。

3. 多部位拓展监测：PFOS元件可贴附于手指、手腕、肘关节捕捉上肢关节运动，贴附于咬肌、喉咙捕捉面部/喉部微运动，贴附于腰部捕捉呼吸引起的腹部伸缩，实现全身多部位的微应变/大变形监测，具备广泛的运动感知能力。

（五）AI辅助神经疾病识别的模型构建与验证

图5：CNN-LSTM辅助的神经疾病识别与康复评估

a：CNN-LSTM模型的步态信号识别流程，数据采集→预处理→特征提取→分类→疾病诊断；

b：神经疾病的典型病理步态波形，包括拖沓步态、环行步态、步态冻结，与正常步态差异显著；

c：健康人群、左偏瘫、右偏瘫、帕金森病患者的步态信号均方根（RMS）对比，患者RMS值显著更低，运动功能受损特征明显；

d：单CS-TENG、单PFOS、双模传感的疾病识别准确率对比，双模传感准确率达94.23%，远高于单模态；

e：6个受试者群体（健康、左偏瘫、右偏瘫、帕金森病三亚型）的t-SNE特征可视化，各群体在特征空间中聚类明显；

f：双模传感的混淆矩阵，各群体分类准确率高，模型鲁棒性良好；

g：药物治疗前后的步态信号对比，康复后步频、稳定性、幅度均显著改善；

h：物理辅助康复前后的步态信号对比，康复后步态对称性提升，信号更稳定。

1. 数据集构建：采集60名受试者的双模步态数据，包括15名健康对照、30名中风患者（左/右偏瘫各15名）、15名帕金森病患者，涵盖**1路足底压力信号（CS-TENG）+3路下肢肌肉应变信号（PFOS）**的四通道同步数据。

2. 数据预处理：对PFOS信号进行基线校正和高通滤波，对所有通道进行中位数和四分位距归一化；将连续数据分割为300步的固定窗口作为模型输入，采用受试者分组交叉验证（80%训练/20%测试）避免信息泄露，通过数据增强（时间偏移、高斯噪声、幅度缩放）降低过拟合。

3. CNN-LSTM模型设计：采用双分支卷积结构提取足底压力和肌肉应变的空间特征，通过LSTM层捕捉步态数据的时间动态特征，最后经全连接层和Softmax层实现分类。

4. 模型性能：双模传感的疾病识别准确率达94.23%，远高于单CS-TENG（40.38%）和单PFOS（88.46%）；t-SNE可视化显示健康人群、中风偏瘫人群、帕金森病不同亚型（震颤主导型、强直少动型、姿势不稳步态困难型）在特征空间中呈明显聚类；混淆矩阵验证了模型的多分类鲁棒性。

模型可定量评估帕金森病/中风患者的药物治疗和物理辅助康复效果，康复后患者步频从0.8Hz提升至0.9Hz，步间隔变异性从19.63%降至12.51%，步态对称性从0.41提升至0.85，峰值幅度从32.75降至23.28，实现康复效果的客观量化。

将PFOS元件贴附于患者手指，将关节运动转化为人机交互指令，实现免提视频播放控制、微型车辆无线导航，通过任务导向的主动运动训练提升患者康复参与度，诱导神经可塑性，促进运动功能恢复。

 四、总结与展望

本研究成功研发了一款AI辅助自供能无线穿戴式双模传感器（WDMS），通过集成聚氨酯基柔性光学应变（PFOS）元件和接触分离式摩擦纳米发电机（CS-TENG），实现了“下肢肌肉应变+足底压力”的双模步态感知，同时利用CS-TENG收集行走过程中的生物力学能量完成自供能，彻底摆脱外部电源依赖。

该传感器的PFOS元件具备超高性能（拉伸应变>900%、灵敏度12.25 mV/%、20000次循环耐久性）和良好的环境适应性，可精准捕捉全身多部位的微运动和大变形；CS-TENG兼具高输出性能和稳定的能量收集能力，日常行走即可满足系统能耗。基于60名受试者的双模步态数据训练的CNN-LSTM模型，实现了94.23%的帕金森病和中风识别准确率，同时可定量评估药物治疗和物理康复的效果，提供客观的康复生物标志物；此外，PFOS元件可拓展为人机交互接口，提升患者康复训练的参与度。

该系统突破了传统神经疾病步态监测技术单模态、依赖外部电源、无智能诊断能力的局限，实现了“传感-供能-传输-诊断-康复”的一体化，兼具高穿戴性、高精准性和高实用性，为神经疾病的居家远程监测、早期诊断和个性化康复提供了全新的技术平台。

文献链接：

https://advanced.onlinelibrary.wiley.com/doi/epdf/10.1002/advs.202522179