在皮膚接觸界面持續監測壓力和溫度，對于預防臥床患者的組織損傷和循環系統相關并發癥至關重要。然而，現有的醫療壓力傳感器大多體積龐大、有線連接且依賴電池供電，這限制了其長期使用的適用性。本文，韓國電氣研究院Myungwoo Choi等研究人員在《Mater Horiz》期刊發表名為“A battery-free, wireless graphene pressure sensor for machine learning-assisted posture classification and VR/AR visualization in smart healthcare environments”的論文，研究提出一種無電池無線多模態傳感平臺，其中單層石墨烯作為高性能壓力傳感活性層，實現高靈敏度（1.75×10?3 kPa?1，應變系數=8.6）和卓越穩定性（超過1000次工作循環）。

該平臺可在無外部電源的情況下，實時可逆地檢測皮膚-設備界面的壓力與溫度。通過深度學習算法（特別是深度神經網絡DNNs），采集信號可被分類為不同坐姿模式，從而實現患者狀態的智能持續監測。此外，集成增強現實/虛擬現實（AR/VR）界面可實時可視化壓力分布，支持沉浸式遠程醫療監護。本研究綜合推出基于石墨烯的智能傳感平臺，無縫融合無線操作、人工智能驅動分析及AR/VR可視化技術，為先進患者監測提供個性化交互式智能醫療解決方案。

圖文導讀

圖1、無電池無線石墨烯壓力傳感系統的設計與工作原理。(a) 無線石墨烯壓力傳感器的爆炸圖示，由柔軟的PDMS微墊、封裝石墨烯活性層、支撐框架及集成NFC的柔性印刷電路板（用于無線數據傳輸與能量收集）組成。(b) 封裝石墨烯層的結構布局與光學圖像。(c) 應力施加下中心石墨烯區域局部應變的有限元分析（FEA）結果。(d) 基于NFC的無線架構方框圖，實現壓力與溫度同步感知。(e和f) 組裝完成及PDMS封裝設備的照片，展示其柔韌性、皮膚貼合性與生物相容性。(g) 蛇形互聯結構在拉伸下的FEA確認機械穩定性。 （h） 石墨烯壓力傳感平臺支持的機器學習輔助姿勢分類和基于AR/VR的可視化的概念圖，用于實時、以患者為中心的醫療監測。

圖2. 用作活性層的化學氣相沉積法（CVD）生長石墨烯的結構表征與壓力傳感性能。（a）基于封裝有聚酰亞胺（PI）層的CVD生長石墨烯薄膜的壓力傳感活性層示意圖。（b）帶有金電極的PI基底上石墨烯薄膜的光學顯微鏡（OM）圖像。（c）傳統CVD生長石墨烯（含吸附層與晶界）與單層高質量石墨烯（SH-Gr）的結構對比示意圖。（d）掃描電子顯微鏡（SEM）圖像展示CVD生長石墨烯（C-Gr）與單層高質量石墨烯（SH-Gr）的表面形貌。 (e) 碳石墨烯（C-Gr）和石墨烯-氫化物（SH-Gr）的拉曼光譜圖。 (f和g) 分別為碳石墨烯（C-Gr）和石墨烯-氫化物（SH-Gr）的高分辨率透射電子顯微鏡（HR-TEM）圖像。 (h) 在1、4、7和10千帕施壓下石墨烯壓力傳感器的電阻變化比例（C-Gr，白色；SH-Gr，藍色）。 (i) 石墨烯壓力傳感器在15千帕加載與卸載過程中的電阻響應。 (j) 石墨烯壓力傳感器在0.5、5、10和15千帕循環壓力下的動態響應。 (k) 石墨烯壓力傳感器在5千帕下經過1000次循環加載后的長期穩定性。

圖3、無電池石墨烯壓力傳感器的無線特性。（a）用于同時監測壓力和溫度的無電池無線傳感平臺的示意圖和框圖。該系統包括三個主要組件：（i）一個無電池無線傳感器，集成了用于壓力（ADC1）和溫度（ADC2）測量的NFC SoC；（ii）提供無線電力傳輸和數據通信的主天線和讀取器；以及（iii）用于通過圖形用戶界面（GUI）實時監控和可視化后處理數據的筆記本電腦。（b）無電池無線傳感器在15kPa負載和卸載下的響應。（c）在10和6kPa的動態載荷下無線傳感器ADC值的變化。（d） 在10 kPa的壓力下，無線傳感器在四個連續的加載-卸載循環中可再現的ADC變化。（e）無線傳感器的ADC值隨著溫度的升高和降低而變化。

圖6、增強現實（AR）和虛擬現實（VR）監控系統與無電池無線石墨烯傳感器集成。（a）AR/VR監控系統框圖。（b）使用Meta Quest 3耳機上的直通功能在AR和VR模式之間切換。（c）AR系統的操作順序分為四個步驟。（d）代表性AR幀，顯示壓力（紅色）和溫度（藍色）的實時條形疊加。（e）用于多用戶遠程監控和評估的代表性VR框架。

小結

綜上所述，本文開發了一種無電池無線壓力傳感系統，該系統采用單層高品質石墨烯作為高性能活性層，并整合了機器學習輔助分類與AR/VR可視化技術，適用于智能醫療應用。該石墨烯傳感器具備高靈敏度、卓越的機械柔韌性及穩定的信號傳導特性，可在無需外部電源的情況下，對皮膚界面上的細微壓力與溫度變化進行可靠的實時監測。通過將無線傳感平臺與人工智能驅動的數據分析相結合，成功實現了多種坐姿的分類識別，證明該系統能將復雜生理信號轉化為具有實際意義的行為信息。此外，AR與VR可視化技術的融合實現了壓力分布的直觀實時遠程評估，凸顯該平臺在沉浸式臨床康復監測領域的應用潛力。這項工作展現了先進材料、智能算法與沉浸式可視化技術的協同融合，為構建連接人體生理與數字智能的個性化、預測性、交互式智能醫療系統開創了新范式。

文獻:

https://doi.org/10.1039/D5MH02270C

審核編輯 黃宇