综述：用于健康监测的可穿戴超声设备：从材料到算法与应用的闭环协同设计框架

《Materials Today》：Wearable ultrasound devices for health monitoring: a closed-loop co-design framework from materials to algorithms and applications

　　

摘要：可穿戴超声作为一种有前景的监测方式，能够实现对人体深部组织生理状态的连续、无创监测，克服了传统光学和电学可穿戴传感器穿透深度有限的不足。然而，将超声从刚性临床探头转变为柔软的、可贴合人体轮廓的可穿戴系统也带来了新的挑战。机械形变、运动以及变化的声学耦合条件会随时间改变超声信号特征，而大量高维数据、有限的标注数据集以及在功耗和计算方面的约束，也对信号处理和神经网络设计提出了额外要求。本综述从系统层面和问题导向出发，对可穿戴超声设备进行了全面概述，重点聚焦于算法和神经网络设计。我们首先分析了柔性材料、换能器参数和结构布局如何在形变和长期佩戴条件下重塑超声信号统计特性。随后，我们回顾了为稳定波形跟踪、补偿运动及几何引起的变异性、以及在有限功耗和数据约束下实现鲁棒参数估计而开发的信号处理、机器学习和深度学习方法。在上述算法基础之上，我们总结了血流动力学、组织力学、神经调控、药物递送和多模态传感等领域的新兴应用，强调了应用需求如何驱动设备创新，同时传感条件的变化也 necessitates 新的面向可穿戴的算法框架。通过将物理传感、自适应算法和临床应用场景联系起来，本综述勾勒出一条从材料和结构到智能推理的闭环协同设计路径，旨在指导面向长期、真实世界健康监测的可穿戴超声系统开发。

引言：近年来，可穿戴设备在医疗健康领域迅速增长[1]、[2]、[3]、[4]、[5]。柔性电子、材料科学和无线通信技术的进步使得可穿戴传感器在日常生活中得到广泛应用[6]。智能手表、健身追踪器和柔性生理监测贴片等设备能够实时测量生命体征，包括心率、血氧饱和度和呼吸频率[7]。这些设备在慢性病管理、健身追踪和家庭康复中发挥着重要作用[8]、[9]、[10]、[11]。

尽管取得了这些进展，大多数现有可穿戴传感器仍依赖光学、电学或电化学传感方法。这些方法穿透深度有限，主要局限于皮肤表面或浅表血管。因此，对深部组织和内脏器官的连续动态监测仍然困难。这一局限性限制了当前可穿戴技术的临床应用范围[12]。

超声是一种成熟的医学影像技术。它无创、无辐射，并能实时运行。超声能够获取深部组织信息，如血流动力学[13]、肌肉运动[14]和器官功能[15]。这些特性使超声适合将可穿戴传感从表面信号扩展到深部生理监测。然而，传统超声探头刚硬且笨重。它们需要持续施加手动压力以维持声学耦合。它们对运动和长时间使用的耐受性也有限。此外，它们对弯曲的解剖表面贴合性差。这些因素将传统超声限制在临床环境中短暂的、依赖操作者的检查中。它们阻碍了超声在连续和真实世界监测场景中的应用[16]。

可穿戴超声设备旨在通过整合超声技术与皮肤贴合平台来解决这些局限性。与传统可穿戴传感器相比，这些系统具有更高的穿透深度和空间分辨率。这使其能够监测心脏、肝脏和肾脏等深部器官[17]。超声信号天然包含结构和功能信息，允许同时评估组织形态和生理动态，包括血管结构和血流速度[17]、[18]、[19]、[20]。此外，其无辐射操作使其适合长期和重复监测[21]、[22]、[23]、[24]。这种能力对于敏感人群尤为重要，包括儿童、孕妇和需要频繁随访的患者。

尽管具有这些优势，使用可穿戴超声设备进行连续深部组织监测仍然充满挑战。皮肤贴附式超声系统必须在持续机械形变条件下工作。声学耦合条件在日常生活中也会发生变化。同时，功耗和散热必须受到严格限制。这些因素直接影响信号稳定性、成像质量和长期可靠性。这些系统还会产生大量高维超声数据。然而，可用的标注临床数据集仍然有限。这种不平衡给信号处理、模型泛化和跨受试者及解剖部位的鲁棒部署带来了挑战。此外，系统集成密度、无线通信带宽和临床验证等系统层面的问题进一步阻碍了实际应用转化。

解决这些挑战需要在多个系统层面取得协同进展。这些层面包括材料、结构设计、设备集成、信号处理和算法。其中，压电材料和数据驱动算法发挥着尤为关键的作用。材料特性直接决定了灵敏度、带宽、柔性和声学耦合稳定性。它们定义了可穿戴超声性能的物理极限。同时，信号处理和人工智能（AI）算法对于从嘈杂、可形变且数据受限的可穿戴环境中提取可靠的生理信息至关重要。

近年来，柔性压电材料、微纳制造和低功耗电子技术的进步推动可穿戴超声设备向功能性原型发展。柔性聚合物如PVDF-TrFE [25]、1–3压电复合材料[26]、液态金属电极和导电水凝胶[27]、[28]已被开发出来，以在机电性能和机械顺应性之间取得平衡[29]。结构设计，包括蛇形互连、岛桥布局、波浪形架构和三维打印阵列，进一步提高了皮肤贴合性和形变耐受性[19]、[30]、[31]。同时，人工智能尤其是深度学习的进展，使得可穿戴超声系统中的自动图像分析、个性化生理建模和连续健康评估成为可能[32]、[33]、[34]。这些发展推动了可穿戴超声设备在临床和健康监测应用中的日益增长[35]、[36]、[37]、[38]、[39]、[40]、[41]、[42]、[43]、[44]、[45]、[46]、[47]、[48]、[49]、[50]。

基于上述背景，本综述提出了一种双向闭环协同设计框架（图1）。我们定义了驱动该框架的因果链。在前向实现路径中，特定的临床应用需求（如持续贴合耦合）严格规定了设备和材料约束（如软背衬层、阵列密度和驱动电压）。这些物理折衷不可避免地导致声学性能下降，如空间离焦、严重信号衰减和信噪比（SNR）降低。因此，这种物理性能下降从根本上要求有针对性的算法补偿。通过在计算空间中利用深度神经网络和时空算法，可以从低质量的物理回波中重构高保真度的生理指标。

关键的是，该框架是一个连续的双向循环，而非单向级联。在反向反馈路径中，这些算法的强大计算能力从根本上放松了传统上施加于压电材料的严格机电约束。这一算法飞跃提供了明确的反馈和反向指导，从而加速了下一代声学材料和高性能压电复合材料的逆向设计。这种双向协同不仅解锁了传统刚性传感器无法实现的前所未有的应用，还催生了新的临床需求。最终，这种反馈循环维持了技术演进的持续循环。

在该闭环框架内，我们首先介绍可穿戴超声设备的基础。我们回顾了各类压电材料，涵盖陶瓷、聚合物和复合材料，以及动态界面耦合材料的关键作用，重点关注它们的机电特性和声学阻抗行为如何对连续监测施加根本性约束。我们还回顾了结构工程策略，包括匹配层、可形变互连和通过微机械换能器实现的微型化，说明如何在皮肤-设备界面实现稳健的机械顺应性。随后，我们系统分析了为补偿这些硬件引起的传感局限性所需的算法演进。超越传统信号处理，我们强调了机器学习和深度神经网络如何执行资源高效的降维、时空解码和跨域信号增强。特别强调了神经网络框架设计，展示了如何专门定制架构以尊重可穿戴系统的物理、空间和热力学边界。在硬件-算法协同的基础上，我们总结了跨深部器官成像、血流动力学、神经修复和疾病治疗的代表性临床应用。最后，我们讨论了深远的系统层面挑战，涵盖拓扑感知稳定性、物理信息可解释性和能量受限的3D处理，为智能、多模态健康监测的未来轨迹描绘蓝图。

分节摘要：可穿戴超声设备的压电换能器——柔性超声技术的最新进展加速了可穿戴超声设备的发展[52]。与传统刚性超声探头相比，这些设备提供了更好的体表面贴合性、生物相容性、可穿戴性和长期连续监测适用性[53]。这些特性将超声传感从浅表组织扩展到深部组织和内脏器官。超声换能器是可穿戴超声设备的核心组件。

可穿戴超声设备中的基于学习的算法和神经网络设计——为可穿戴性而设计的贴合材料和结构布局不可避免地引入了严重的物理代价，包括较低的机电耦合、有限的阵列密度、不良的热耗散以及对界面微滑动的敏感性。在我们的闭环框架中，这些材料缺陷并非仅仅是工程折衷；相反，它们定义了信号处理和机器学习算法专门针对的精确物理边界条件。

可穿戴超声设备的应用——可穿戴超声的最终目标是将从专业化临床环境中复杂的诊断能力转变为连续的、现场健康诊断监测。如图9所示，可穿戴超声设备已被广泛用于监测或治疗多种器官和组织[38]、[41]、[42]、[44]、[45]、[48]、[162]、[208]、[209]、[210]。通过提供组织和器官形态的实时洞察，这些多样化应用解决了关键的差距。

可穿戴超声设备的集成闭环设计策略——本综述围绕可穿戴超声设备的闭环协同设计框架展开，将可穿戴超声开发从孤立的组件优化转向系统层面的双向补偿（图16）。在传统线性传感流水线中，硬件缺陷不可避免地向下传播，逐步降低诊断准确性。闭环范式通过弥合临床需求之间的鸿沟从根本上重写这种关系。

利益冲突声明：作者声明他们没有已知的可能影响本论文报告工作的竞争性经济利益或个人关系。

致谢：本研究得到中国国家重点研发计划（资助号2021YFA1401103）、中国国家自然科学基金（资助号61825403、61921005、82370520和62501320）的支持。

作者：高建松 | 王跃辉 | 黄逢昌 | 管正新 | 姜永昌 | 程文 | 石义 | 潘莉佳