一种高线性、灵活的压力传感器，通过机器学习技术实现脉冲生理信号的监测

《Advanced Materials Technologies》：A High-Linearity Flexible Pressure Sensor for Pulse Physiological Signal Monitoring Enabled by Machine Learning

提出全硅胶柔性压力传感器（HLFPS），具备高线性（R2=0.993）、高灵敏度（185 kPa?1）及宽量程（0-125 kPa），实现舒适贴合皮肤的穿戴体验。通过采集多压力水平下的脉搏波形及人工生成的12类脉冲信号，机器学习算法分类准确率达93.83%。实际人体测试中准确率提升至94.79%，验证平台在真实场景的可靠性与泛化能力，为可穿戴健康监测提供连续、非侵入式解决方案。

　　

摘要

随着可穿戴技术和柔性电子产品的快速发展，对于能够捕捉微妙生物力学信号的紧凑型、高性能压力传感器的需求日益增加。在本研究中，介绍了一种完全由硅胶制成的高线性柔性压力传感器（HLFPS）。该传感器具有天然柔软且贴合皮肤的结构，能够与人体皮肤无缝集成。该传感器表现出优异的线性（R2 = 0.993）、高灵敏度（185 kPa?1）和宽广的压力范围（0–125 kPa），其柔软的硅胶结构确保了出色的佩戴舒适性。在多个不同的压力水平下收集了人体脉搏波形，并记录了体力活动前后波形的变化。此外，使用脉冲发生器生成了十二种典型的脉搏类型，并由该平台进行了捕捉。应用于这些数据集的机器学习算法在识别脉搏类型方面的准确率为93.83%。进一步地，使用相同的算法收集了六名受试者的脉搏信号并进行分类，准确率达到94.79%，这进一步证明了该平台在现实场景中的稳健性和泛化能力。这种完全基于硅胶的高线性传感器结合实时在线分析，为下一代可穿戴健康监测提供了一种连续、无创且多功能的解决方案。

利益冲突

作者声明不存在利益冲突。