综述：基于柔性材料的运动神经监测：从信号采集到训练增强

《ACS Omega》：Motion Neural Monitoring Based on Flexible Materials: From Signal Acquisition to Training Enhancement

　　

基于柔性材料的运动神经监测：从信号采集到训练增强

可靠获取高强度体力活动期间的微伏级（μV）神经信号（脑电图EEG/肌电图EMG）仍然是一项根本性挑战，原因在于严重的运动诱发机电伪影和动态界面不稳定性。本综述系统考察了先进柔性生物电子器件如何超越宏观力学顺应性，以应对运动神经监测严格的电生理学需求。研究人员阐明了工程化材料和电极结构优化动态界面电化学和等效电路稳定性的潜在机制。具体而言，研究人员总结了抑制半电池电位波动、通过局部介电控制（如汗液管理）防止寄生离子分流路径，以及最小化动态渗流网络中压阻噪声的策略。此外，研究人员探讨了多模态系统的整合——其中运动学传感器作为动态参考向量用于伪影解耦——及其在神经康复、疲劳管理和运动技能增强中的实际应用。最后，研究人员批判性地讨论了当前局限性，强调了长期电化学鲁棒性、标准化伪影评估以及最终向人工智能驱动数字孪生过渡的必要性。通过这一机制分析，研究人员旨在为将柔性界面从被动可穿戴设备推进到精密运动神经平台提供基础性洞见。

本文系统阐述了基于柔性材料的运动神经监测技术从信号采集到训练增强的完整研究脉络，涵盖材料创新、电极结构设计、系统集成及算法应用等核心维度。

**2. 运动监测中的挑战与技术规范**

**2.1. 运动中的信号干扰来源**

运动场景中的信号干扰可归纳为三类：机械/界面噪声、生理干扰以及环境与材料老化因素。机械噪声主要源于电极-皮肤界面的相对滑移、抬升和拉伸，导致接触阻抗快速变化，表现为低频基线漂移和幅度可达数十毫伏的尖锐运动伪影，这对微伏级EEG/EMG信号构成灾难性干扰。生理干扰包括面部和颈部EMG活动对EEG的污染、眼电（EOG）信号泄漏、心电（ECG）电场串扰，以及肌肉串扰和呼吸/血流引起的基线波动。环境与老化因素则涉及汗液改变局部介电常数形成寄生离子通路、导电材料腐蚀氧化，以及电磁噪声耦合等问题。

**2.2. 监测材料的特定要求**

**2.2.1. 极低频率下的超低接触阻抗**

柔性界面材料必须具备在电极-皮肤边界建立稳定电双层（EDL）的电化学能力。高EDL电容对于降低容抗、从根本上减少低频界面阻抗至关重要，需在动态干湿皮肤过渡期间维持稳定阻抗谱（EEG低于20–50 kΩ）。

**2.2.2. 通过共形接触实现动态抗伪影能力**

材料的等效杨氏模量必须严格匹配人表皮（通常数kPa量级），以实现"共形接触"，从结构上消除微米级相对滑动，防止埋没微伏级神经信号的界面极化电位剧烈波动。真实的抗伪影能力要求材料在生理相关的多维加载下维持动态渗流网络和电学稳定性，而非仅通过标准台式拉伸测试。

**2.2.3. 长期生化稳定性与水分管理**

材料需符合生物相容性标准（如ISO 10993），并抵抗严重电化学降解；同时应 exhibit 与医用粘合剂相当的水蒸气透过率，防止汗液"积聚"急剧改变界面阻抗引起基线漂移。

**3. 关键材料与电极结构**

**3.1. 柔性导电材料与复合体系**

**3.1.1. 金属纳米材料**

一维纳米线（如银纳米线AgNWs、铜纳米线CuNWs）和零维纳米颗粒可在弹性基质中形成互联渗流网络，通过动态滑动和重排适应宏观应变。然而， pristine 金属网络在汗液高盐、酸性微环境中易发生电化学腐蚀和氧化，不可逆地破坏EDL稳定性。核壳结构（如Ag@Au、Cu@Au）可有效稳定长期监测的电极-皮肤界面阻抗。近期研究转向复杂结构工程以解耦宏观应变与微观结点应力，如相分离三维多孔网络、超长透明纳米网和剪纸结构等，特别是超薄无基底纳米网和直接喷涂Ag@Au网络可实现与表皮微形貌的共形层压，从根本上抑制高动态活动中的滑动诱发界面伪影。

**3.1.2. 碳基与MXene材料**

二维碳材料和MXene通过动态层间滑动和超大比表面积适应宏观应变，其高比表面积转化为 substantial EDL电容，有效降低与EEG和基线sEMG相关的低频界面阻抗。碳纳米管（CNTs）的刷状阵列和沟道型复合结构可穿越致密毛发建立可靠的低阻抗电接触。石墨烯及其衍生物适用于构建超薄高透明"电子纹身"，实现与动态皮肤褶皱的无缝共形。MXene（如Ti₃C₂T_x）的丰富亲水表面官能团（?OH、–O、–F）促进在水性基质中的均匀分散，建立高效的互联电子-离子通路，显著降低电荷转移电阻；但其在汗液环境中存在热力学不稳定性，导电MXene薄片易氧化为绝缘TiO₂，破坏EDL导致基线漂移。

**3.1.3. 导电聚合物与导电水凝胶**

导电聚合物（CPs，主要为PEDOT/PSS、PANI、PPy）和水凝胶通过仿生混合电子-离子传导减少组织-电极界面的电荷转移电阻，其接近表皮模量和水分含量的特性建立高度共形的"类组织"接触。然而，未增塑CPs在循环多轴应变下易产生微裂纹，生成淹没亚毫伏神经电位的高度不稳定压阻噪声；水凝胶则面临快速脱水导致共形接触破坏和阻抗激增的问题，需引入保湿剂或工程化特定疏水-亲水共聚物网络，并在界面粘附性与生物相容性之间取得平衡。

**3.1.4. 液态金属**

镓基合金（如EGaIn、Galinstan）提供体金属级电导率（10⁶ S·cm^?1）和绝对流动性，在超过1000%的多轴应变下维持连续电通路，可作为严格"无噪声通道"。其封装于低模量弹性体蛇形微通道中可机械解耦关节屈伸产生的宏观应变，隔离微伏级采集区免受破坏性剪切力。但液态金属的流动性带来流体泄漏风险和生物安全性问题，表面Ga₂O₃氧化皮的循环断裂与重组会引入混沌动态电阻波动。近期策略转向双相微/纳米复合材料，如银片-液态金属复合体系，建立层级导电网络以降低接触阻抗并稳定基线漂移。

**3.1.5. 导电弹性体与织物**

通过将刚性导电填料嵌入低模量聚合物基质，实现宏观类皮肤顺应性。导电织物通过浸涂、刺绣或编织功能化纱线开发可清洗无凝胶EEG帽和智能运动压缩服，其运动学传感提供同步机械参考向量，支持后续算法从微伏EEG/EMG信号中数学解耦和减除机械伪影。但纺织品宏观粗糙度和孔隙率阻碍与表皮的无间隙共形接触，导致基线界面阻抗高且波动。

**3.2. 电极接触表面设计**

**3.2.1. 穿透/微针结构**

微针阵列（数十至数百微米）机械绕过角质层这一高阻抗死细胞层，访问导电表皮，将界面从噪声电容耦合转变为直接的低阻离子-电子桥。柔性微针阵列锚定于低模量弹性基底或涂覆亲水水凝胶，可保留表皮穿透的电学优势同时机械缓冲剪切应力。在跑步或步态训练等高冲击活动中，该锚定效应关键性防止平面内微滑动和面外抬升这一动态基线漂移的主要诱因。

**3.2.2. 粘附水凝胶与干粘附界面**

粘附导电水凝胶利用高含水量聚合物网络与皮肤匹配杨氏模量（10¹–10³ kPa）建立共形接触，消除微米级界面滑动，抑制快速半电池电位波动。干粘附界面通过仿生微结构（"章鱼吸盘样"、"蘑菇形"或"壁虎脚垫样"）实现可逆共形耦合，建立致密微真空口袋最大化范德华相互作用，物理消除通常作为寄生串联电容器的微米级气隙。

**3.2.3. 耐汗透气微结构**

微孔结构和确定性排水通道主动调节界面水分，维持稳定离子-电子转导基线。仿生微通道网络利用毛细力持续将汗液泵离活性EDL区域，"亲水/疏水"Janus结构确保皮肤接触层快速流体摄取同时环境界面加速蒸发。层级多孔水凝胶（整合大、中、微孔）将离子传导与流体排水分离，微孔维持低电荷转移阻力所需关键离子通路，大孔排出过量蒸汽以稳定局部介电常数。

**3.2.4. 电化学降解与防腐界面设计**

金属纳米材料的氯离子点蚀和电偶腐蚀可通过核壳结构（Ag@Au或Cu@Ni纳米线）或超薄化学惰性碳层涂层（如石墨烯）实现纳米级表面钝化。CPs的脱掺杂和形态溶胀可通过致密二级交联网络和离子选择性聚合物基质缓解，利用带负电弹性体基质静电排斥氯离子和乳酸盐阴离子。液态金属的自限性Ga₂O₃钝化层提供坚固化学屏蔽。

**3.2.5. 毛发与复杂曲率适应结构**

三维"梳状"或"刷状"微柱结构物理穿越毛发矩阵，无需剃除即可建立与角质层的直接离子-电子转导。"岛-互联"架构中，半刚性电极"岛"保持有效表面积稳定，高顺应性蛇形"互联"吸收关节屈曲、咀嚼或眨眼产生的宏观动能。

**3.3. 系统小型化与集成**

硬-软混合集成方面，"岛-互联"和"网格"结构实现刚性芯片与柔性/弹性电极、导线和基底的集成布局。低功耗与数据压缩方面，"近传感器处理"和"片上数据压缩"在前端模块完成低噪声放大、可编程滤波、特征提取和简单分类，将高维原始波形压缩为低维特征或事件流。多模态与大数据层面，将EEG/EMG与惯性测量单元（IMUs）、关节角度、心率和肌氧饱和度等整合到统一平台，构建全面多模态特征空间，支持基于大数据和机器学习模型的个性化训练方案设计和性能评估。

**4. 信号分析与训练应用：数据如何指导训练**

**4.1. 信号清洗与特征提取**

多模态运动学参考向量整合同步IMU或应变传感器数据，构建机械扰动的自适应确定性模型，实现从微伏神经基线源头算法减除宏观运动伪影。EEG特征提取聚焦μ（8–12 Hz）、β（13–30 Hz）和γ（>30 Hz）频带功率谱，严格映射至感觉运动皮层的事件相关去同步/同步（ERD/ERS）。EMG关注运动单位动作电位（MUAP）募集模式、中位频率偏移和肌肉协同分解。深度学习架构（CNN、RNN/LSTM、时频卷积网络）结合迁移学习、增量学习和个体化在线自适应算法动态重新校准模型权重。

**4.2. 具体训练指导场景**

上肢康复与脑机接口中，纺织集成高密度sEMG（HD-sEMG）阵列捕获多肌肉协同激活的时空分布，提取协同模式和频率中值偏移等高分辨率神经肌肉特征驱动上肢外骨骼。步态与平衡调节中，动态耦合运动学向量与下肢EMG阵列，量化解耦中枢神经肌肉控制缺陷与外周生物力学代偿策略，检测帕金森病（PD）冻结步态（FOG）的异常节律特征和步态变异性。球部功能康复中，柔性EMG和压电阵列捕获喉部抬升和肌肉激活的精确序列，评估吞咽协调性和误吸风险。运动表现优化与疲劳管理中，共形EEG、HD-sEMG和IMUs的协同应用同时追踪皮质节律调制、外周运动单位募集和宏观关节运动学，通过EMG谱压缩与肌肉协同演变映射区分中枢疲劳与外周电化学耗竭。

**5. 挑战与未来展望**

材料与界面层面，循环多轴应变下的机械疲劳和结构退化引入严重压阻伪影，水凝胶脱水和汗液诱导的MXene及金属纳米线氧化根本破坏EDL；需建立"加速老化+汗液模拟"范式。系统集成与能源管理层面，高密度空间分辨率与小型化、热耗散存在冲突，需协同动态阻抗匹配低噪声放大器、情境感知压缩和分布式能量收集。算法鲁棒性层面，需开发物理信息预处理管道显式建模和解耦界面机电噪声，以及在线自适应和迁移学习算法持续重新校准解码权重。临床验证与运动实践层面，缺乏标准化电生理和生物力学评估框架，需从简化单轴拉伸测试转向动态、多轴应变和扭转评估，建立包含动态阻抗稳定性、运动伪影韧性指数和规定运动负荷下长期信号保留率的统一指标。未来轨迹将汇聚于完全集成的多模态"脑-肌肉-运动"生物界面，以及利用"神经-肌肉-动作"大模型和数字孪生实现从经验观察到数据驱动预测神经建模的范式转变。