基于卷积神经网络辅助的多功能压力传感器在手指康复训练中的应用研究

为解决手指功能障碍患者康复训练中实时监测与反馈的难题，研究人员开发了一种集成多功能电容式压力传感器系统，结合深度学习技术。该系统采用聚丙烯酰胺-ZnSO4水凝胶介电层和MXene基电极（MXene与MXene@锌），兼具优异传感与储能特性。实验表明，传感器灵敏度达0.033?kPa?1（1–20?kPa范围），检测范围1–120?kPa，响应时间<460?ms，循环稳定性超1000次。通过1D CNN对五指弯曲角度（30°、60°、90°）电信号分析，测试集识别准确率达91.33%。该传感器还可作为锌离子混合超级电容器（ZHSC）为LED灯和电子计时器供电。研究为康复医学与智能电子设备提供了创新解决方案。

　　

在康复医学领域，手指功能障碍患者常面临康复进程难以量化评估的困境。传统方法依赖主观观察或复杂仪器，缺乏实时反馈机制，严重影响个性化康复方案的制定。与此同时，柔性电子技术的兴起为可穿戴医疗设备带来了曙光，但现有传感器往往功能单一，难以兼顾高精度传感与能源自供给需求。

为突破这一技术瓶颈，安徽某高校研究团队在《Applied Surface Science》发表了一项创新研究。他们设计了一种基于聚丙烯酰胺-ZnSO₄水凝胶（PAM-ZnSO₄-HG）介电层的多功能压力传感器，采用MXene和MXene@锌作为电极材料，构建出MXene//PAM-ZnSO₄-HG//MXene@锌三明治结构。该器件巧妙融合了压力传感与能量存储双重功能，为手指康复训练提供了实时监测与能源供给的一体化解决方案。

研究团队运用水凝胶合成、MXene电极制备、电化学测试等关键技术，结合1D卷积神经网络（CNN）算法开发信号识别系统。通过系统性能测试和临床模拟实验，验证了该传感器的实用价值。

材料与结构设计
研究选用成本低廉的PAM-ZnSO₄-HG作为介电层，其高离子电导率（达3.12?S/m）和低弹性模量（≈15?kPa）完美匹配人体组织力学特性。MXene电极通过LiF/HCl蚀刻Ti₃AlC₂ MAX相制备，MXene@锌则通过电沉积法获得，二者协同提升了界面电荷转移效率。

传感性能验证
在1-20?kPa低压区间，传感器展现0.033?kPa^?1的高灵敏度，归因于水凝胶介电层的可压缩性和离子重分布效应。460?ms的快速响应时间使其能捕捉瞬态生物力学信号，1000次循环测试后电容变化率<5.7%，证实其可靠性。

康复监测应用
将传感器贴附于手指关节处，成功区分30°、60°、90°三种弯曲状态。1D CNN模型通过分析电容变化频谱特征，实现五指动作91.33%的准确识别，为康复评估提供了客观量化指标。

能量存储功能
充电后的器件可作为锌离子混合超级电容器（ZHSC），能量密度达48.2?Wh/kg。在3.6?V工作电压下，可持续点亮LED灯6小时以上，并驱动电子计时器稳定运行，展现了自供电系统的可行性。

该研究的创新性在于：首次将锌离子储能机制与电容传感技术相结合，通过材料界面工程优化了器件多功能性；开发的1D CNN算法突破了传统阈值法的局限性，实现了复杂手势的智能识别；水凝胶介电层的设计解决了传统弹性体与生物组织力学失配问题。

这项成果不仅为手指康复训练提供了精准监测工具，更开创了柔性电子设备"传感-供能"一体化设计的新范式。未来通过优化神经网络架构和扩大临床样本量，该技术有望拓展至帕金森病、脑卒中等更广泛的神经康复领域，推动智能医疗设备的创新发展。