编辑推荐：
为解决现有穿戴式膝盖监测设备的不足，香港理工大学的研究人员开展 SyncKnee 系统相关研究。结果显示该系统能有效监测膝盖状态，识别准确率高。推荐阅读，助您了解前沿的膝盖监测技术及应用前景。
在我们的日常生活中，膝盖健康至关重要。可恼人的是，膝盖问题却频频找上门，其中膝骨关节炎（KOA）更是常见的 “健康杀手”。据 2019 年世界卫生组织估计，全球约有 5.28 亿人受到骨关节炎（OA）的影响，而膝盖就是最常 “中招” 的关节之一。得了 KOA，不仅会让人行动不便，严重影响生活质量，还大大增加了跌倒和骨折的风险。所以，对膝盖进行日常监测就显得尤为重要，它能助力我们跟踪个人膝盖运动情况，还能预测和评估 KOA 的发展及康复效果12。
目前的穿戴式膝盖监测设备却不尽如人意。一些设备只能捕捉膝盖弯曲角度这单一数据，临床认可度不高，因为医生想要全面了解膝盖状况，还需要肌肉和关节肿胀等多通道数据。可现在市面上的设备大多忽略了这一点。另外，医院和实验室里那些固定的膝盖监测技术，像磁共振成像（MRI）和基于视觉的运动捕捉系统，虽然精准度高，但价格昂贵，还特别占空间，根本不适合个人在家日常使用。从舒适度来说，膝盖形状多变，传统的刚性传感器，比如惯性测量单元（IMUs），戴久了让人很不舒服。还有，之前对软应变片的研究主要集中在硬件方面，缺乏统一的方案将机器学习增强的监测和用户友好的个人数据显示结合起来，这让患者和运动爱好者很难有效解读和利用收集到的数据347。
为了解决这些难题，香港理工大学的研究人员郑涛?马（Zhengtao Ma）、乐?方（Le Fang）、聪?方（Cong Fang）等人在《Cell Reports Physical Science》期刊上发表了题为 “Intelligent wearable system design for personalized knee motion and swelling monitoring in osteoarthritis care” 的论文。他们研发出了 SyncKnee 这个智能可穿戴系统，就像给膝盖配上了一位专属 “健康管家”，能同时监测关节角度和肿胀模式，为日常膝盖健康管理带来了新希望56。
研究人员在这个项目中用到了不少厉害的技术方法。他们精心设计了一种由聚（SBS）纤维和共晶镓铟合金（EGaIn）制成的拉伸传感器，这种传感器不仅柔软舒适，还能精准地追踪膝盖皮肤因弯曲和肿胀产生的变形。在数据处理和分析上，采用了随机森林算法这个 “智能大脑”，让系统能准确地识别膝盖行为。同时，还打造了个性化信息支持系统，通过手机应用程序和网站，为用户提供实时和累积的膝盖数据，方便用户随时掌握自己的膝盖健康状况912。
下面咱们一起来看看这项研究都有哪些亮眼的成果吧。
SyncKnee 硬件设计和特性
为了准确评估膝盖皮肤的变形情况，研究人员专门设计了一种三层结构的拉伸传感器单元。这个传感器的 “贴身层” 是由聚（SBS）纤维制成的，柔软透气，就像给膝盖穿上了一层舒适的 “皮肤”，能大大减轻佩戴时的异物感。中间的导电层则选用了 EGaIn 液态金属，它不仅导电性好，还能在室温下保持液态，完美适配膝盖的各种动作。整个传感器的制作过程也很有讲究，采用了屏幕印刷技术，通过制作模板、切割 PET 片、涂覆液态金属等步骤，就能得到性能稳定的传感器。而且，这个传感器的性能相当出色，在 0% - 150% 的应变范围内，应变系数（GF）能达到 1.74，拉伸性也很好，断裂应变高达 900%，即使经过 2000 次拉伸循环，电阻变化依然保持线性，稳定性超强8910。
多通道传感器阵列
考虑到要全面监测膝盖状况，研究人员开发了定制的多通道传感器阵列。这个阵列里有三个 “小能手”：关节角度单元、关节周长单元和大腿周长单元。它们分工明确，关节周长单元像个 “小卫士”，守在髌骨位置，一旦膝盖有肿胀情况，它就能敏锐地察觉到；关节角度单元则垂直穿过髌骨，负责精确识别膝盖的弯曲角度；大腿周长单元在髌骨上方 10 厘米处 “站岗”，时刻关注大腿肌肉的肿胀或萎缩情况。这三个单元相互配合，组成了一个强大的监测网络，能全方位地获取膝盖的各种信息1113。
数据采集和系统性能
为了实现数据的高效采集和传输，研究人员选用了 Seeed Studio XIAO Sense 微控制器单元（MCU）。它身材小巧，只有 21×17.5mm，却有着大能量，超低的功耗让它在深度睡眠模式下仅消耗 5mA 电流，能长时间稳定工作。它就像一个 “数据中转站”，通过蓝牙把传感器收集到的模拟数据传输出去。采集数据时，三个通道的信号以 40Hz 的频率收集，能确保获取到足够的膝盖表面变形信息。而且，这个系统的检测精度也很高，能检测到极其微小的电阻变化和应变，最小可检测应变低至 0.0833%1415。
个人信息支持
SyncKnee 系统还为用户提供了贴心的个人信息支持服务。通过手机应用程序，用户在进行膝盖状态评估或康复锻炼时，能实时看到自己膝盖的各项数据，就像有个私人医生在旁边随时提醒一样。同时，研究人员还开发了一个基于网络的平台，它能把数据库里的数据进行可视化处理，生成各种图表，展示膝盖肿胀状态在不同时间段的分布情况，帮助医生和患者更好地了解膝盖的健康状况，为长期的健康管理提供有力依据1617。
机器学习架构和训练
为了让 SyncKnee 系统更 “聪明”，研究人员采用了随机森林模型进行机器学习。他们先让机器人手臂模拟各种膝盖运动角度，把传感器放在上面收集数据，再把这些数据分成训练集和测试集，用来训练模型。在训练过程中，还设计了一个 6 阶无限脉冲响应（IIR）低通滤波器，它就像一个 “数据净化器”，能有效去除传感器产生的噪声，让数据更加精准。经过训练的模型表现相当出色，在识别膝盖行为时，准确率高达 98.48%，能轻松分辨出 “站立”“坐下”“抬腿”“深蹲”“弓步” 等不同动作121819。
弯曲和肿胀拟合函数
为了测试 SyncKnee 系统对膝盖角度和周长变化的响应能力，研究人员进行了两个有趣的实验。在基于机器人手臂的弯曲测试中，他们发现膝盖监测设备的变化值和膝盖模拟器的弯曲角度之间存在明显的线性关系，通过拟合得到的函数可以准确地反映这种关系。在气泵式肿胀测试中，也发现关节周长传感器和大腿周长传感器的输出值分别与膝盖和大腿的肿胀情况密切相关，同样得到了相应的拟合函数。这些函数就像一把把精准的 “尺子”，能帮助医生评估患者膝盖和大腿的肿胀程度2021。
膝盖模式识别
研究人员还在 15 位志愿者身上进行了用户研究，来验证 SyncKnee 系统在实际生活中的可行性。志愿者们要完成 “站立”“坐下”“抬腿”“深蹲”“弓步” 这五种不同的膝盖动作，传感器会收集他们膝盖的各种数据。经过数据分析发现，SyncKnee 系统结合随机森林算法，在识别这些膝盖动作时表现优异，准确率高达 98.48%。其中，“站立”“坐下”“弓步”“抬腿” 这几个动作的识别准确率更是达到了 100%，就连相对复杂的 “深蹲” 动作，识别准确率也有 94.12%。这充分证明了 SyncKnee 系统在检测复杂膝盖动作方面的强大能力221923。
综合来看，SyncKnee 系统为日常膝盖监测带来了全新的解决方案。它能同时监测关节角度、关节周长和大腿周长这三个关键参数，比以往的设备更加全面。而且，这个系统的传感器柔软舒适，采用的先进材料和制作工艺，让它在保证性能的同时，还能减轻佩戴者的负担。在识别膝盖运动方面，SyncKnee 系统的准确率极高，结合机器学习算法，能准确判断各种膝盖行为。个人信息支持系统也很实用，无论是实时数据显示还是累积数据统计，都能为用户的健康管理提供有力支持2425。
不过，这项研究也存在一些局限性。目前的实验主要是在健康参与者身上进行的，未来还需要纳入更多 KOA 患者的数据，这样才能让系统在识别与关节炎相关的肿胀方面更加精准。而且，模型训练所使用的数据大多是短期的，缺乏长期的临床数据，这限制了系统对疾病检测能力的进一步提升。另外，设备在实际佩戴时，可能会因为直接接触身体的情况不同而产生差异，还需要更多实验来优化26。
尽管有这些不足，但 SyncKnee 系统的应用前景依然十分广阔。在 KOA 预防方面，它可以为户外运动爱好者提供实时的肿胀警报。比如徒步旅行者在爬山过程中，如果膝盖出现异常肿胀，SyncKnee 系统就能及时提醒，让他们避免过度使用膝盖，预防膝盖问题的发生。在康复领域，医生可以通过 SyncKnee 系统的远程康复验证功能，随时了解患者的膝盖状态变化，评估康复进展，为患者制定更科学的康复方案2728。
总的来说，香港理工大学研究人员的这项研究成果意义重大。SyncKnee 系统的出现，为我们日常监测膝盖健康提供了更有效的工具，也为膝骨关节炎的预防和康复开辟了新的道路。相信在未来，随着研究的不断深入和技术的持续改进，SyncKnee 系统会越来越完善，为人们的膝盖健康保驾护航。
