《Nano Energy》:Flexible piezoelectric sensor array for intelligent monitoring system of body surface morphological abnormalities
编辑推荐:
•柔性压电传感器阵列实现了对体表形态的全场动态监测,突破了传统单点姿态感知的局限。•实时跨模态框架将低维压电信号转化为个性化三维人体形态与姿态。•基于异常检测与识别(ADR)的诊断系统可识别21种变形状态、定位异常区域,并支持基于Web的临床风险评估。引言肌营养不良症、弹性纤
- •
柔性压电传感器阵列实现了对体表形态的全场动态监测,突破了传统单点姿态感知的局限。
- •
实时跨模态框架将低维压电信号转化为个性化三维人体形态与姿态。
- •
基于异常检测与识别(ADR)的诊断系统可识别21种变形状态、定位异常区域,并支持基于Web的临床风险评估。
引言
肌营养不良症、弹性纤维瘤和原发性皮肤T细胞淋巴瘤等渐进性疾病通常会导致皮肤和皮下组织出现渐进性形态变化[[1], [2], [3]]。这些体表异常不仅是明显的外观标志,也可能是严重器质性病变的早期预警信号[4]。鉴于这些疾病起病隐匿、进展缓慢,往往难以引起临床的充分重视。因此,有必要建立有效的长期监测系统以实现早期发现和干预[[5], [6], [7], [8], [9], [10], [11], [12]]。现代医学研究强调,除手术和药物治疗[13]外,科学指导下的康复训练在疾病管理中同样发挥着至关重要的作用[14]。具体而言,人体运动过程中运动学数据的评估和体表形态变形的评估是康复医学的重要组成部分,使医生能够量化肌肉恢复情况、评估运动功能并制定个性化康复方案[[15], [16], [17], [18], [19], [20]]。尽管目前的临床实践依赖超声、徒手肌力测试和手持式测力计来评估肿瘤进展和肌肉功能,但这些检测方法存在设备成本高、场景适用性差等固有局限性,难以满足便携式实时监测的需求[21,22]。因此,迫切需要开发一种低成本、通用、便携式且可实时监测的技术[23,24]。
人机交互和人工智能驱动的生物力学传感技术的最新进展,为从患者身上全面获取多维健康信息开辟了新的途径[[25], [26], [27], [28], [29], [30], [31], [32], [33], [34], [35]]。其中,基于柔性压力传感器的可穿戴肌肉感知设备因其能够动态捕捉肌肉变形(如形状/形态变化)[[36], [37], [38], [39], [40]]并生成与下肢运动相关的振动机械肌电信号[41],为肌肉功能评估提供了多维数据支持,引起了广泛关注。然而,此类设备仅能实现有限的运动分类,缺乏姿态识别能力,难以满足复杂临床场景中精细化评估的需求。基于柔性压电纳米发电机的可拉伸自修复主动传感器能够实时监测手臂肌肉训练过程中多个肌群的功能状态[42],为皮肤表面变形相关疾病的早期筛查和动态监测提供了一种潜在手段。尽管如此,大多数现有的可拉伸自修复主动传感器仅限于单通道信号采集模式,在面对人体皮肤表面复杂且异常的形态变化时,其检测精度不足、信号分辨率较低,制约了其临床应用价值。与此同时,计算机视觉中的简化多人线性(SMPL)模型为表征多样化的人体形态和姿态提供了有效工具[43]。该模型仅需少量低维参数即可生成具有真实变形能力的三维人体网格,准确再现形状特征、自然姿态相关变形和软组织动力学,在人体形态建模方面表现出显著优势。尽管SMPL模型能够以较高精度显示人体表面形状的变化,但其当前应用主要局限于计算机视觉领域,依赖于多摄像头阵列和严格的无遮挡环境等条件[[44], [45], [46]],严重限制了其在实时临床监测中的应用。在这种情况下,将柔性压电传感器阵列的实时动态表面监测优势[[47], [48], [49]]与SMPL模型的精确形态表征能力相结合,以突破现有应用瓶颈,实现对人体肌肉功能和姿态的全面、精准、无创评估,已成为生物医学工程与人机交互交叉领域的关键科学挑战。
本研究提出了一种基于具有动态曲率检测能力的2×8柔性压电传感器阵列的体表异常智能监测系统。该系统通过自制多通道采集电路处理柔性压电传感器阵列捕获的体表异常变形信号,然后将其传输至PoseShapeNet深度学习算法,以实现SMPL形状和姿态参数的识别与预测,克服了传统被动传感器仅能提取姿态而无法识别形状的局限。为验证系统的可行性和准确性,我们通过在人体上臂附着类肿瘤硅胶假体构建了异常手臂变形的模拟场景,同步采集传感器阵列的变形响应信号和SMPL模型对应区域的表面曲率。在建立正常体表曲率基线特征模型并进行滤波后,实现了异常变形区域的数据特征增强。随后,引入异常变形识别算法以定位异常区域并量化变形程度。此后,将上述应用集成至形态感知模块(MPM),并将识别结果传递给大语言模型(LLM),对模拟患者进行风险评估并提供可量化的诊断支持。本研究构建了一种能够精确捕捉动态表面变形特征的智能监测系统,开辟了从低维电信号重建高精度动态人体形态模型的新技术路径。
章节摘要
体表异常监测系统的设计
为早期筛查与体表异常变形相关的渐进性疾病,本研究通过集成具有动态表面曲率检测能力的压电传感器阵列(PSADSC)与基于SMPL的变形及异常分类网络(SMPL-DACN),开发了一种体表异常智能监测系统(BodyAMS)。如图1所示,当PSADSC附着于上臂表面时,传感器将肌肉表面变形转化为电信号,随后
结论
综上所述,我们开发了一种名为BodyAMS的体表异常智能监测系统,其核心由多通道柔性PSADSC和双多模态深度神经网络组成。该系统基于采集的体表变形信号回归SMPL模型中的人体姿态和形状,成功实现了动态数字孪生驱动的模型重建,紧接着完成了对复杂肌肉表面变形的高精度量化与定位。
实验部分
柔性压电传感器的核心功能是将皮肤表面的变形信号转化为电信号。基于这一原理,只要将该传感器附着于上臂关键肌群的皮肤上,就能实时捕捉肌肉收缩和舒张带来的细微几何变化并将其转化为可分析的电信号。同时,通过处理这些信号,可以实时获取当前手臂屈曲和摆动
CRediT作者贡献声明
李家贵:撰写——初稿、可视化、验证、软件、资源、正式分析、数据管理、概念构思。周普恩:软件、方法论。王子凡:撰写——审阅与编辑。张嘉伟:撰写——审阅与编辑、可视化、验证、监督、软件、正式分析。吴永辉:撰写——审阅与编辑。侯维洲:撰写——审阅与编辑。张源政:撰写——审阅与编辑。何伟业:软件。王涛:撰写——审阅与
伦理声明
已获取所有参与者或其法定代表的书面知情同意书,同意参与本研究并发表本文。参与者的隐私权已得到尊重和保护。
本研究遵守了研究所在地相关的法律、监管框架和准则。根据相关法律法规和机构准则,本研究无需伦理委员会审批。不适用。本研究不涉及需要合规的
资金资助
国家自然科学基金委员会(52372107,52503315),河南省自然科学基金(252300421801),中原人才计划(人才培养系列)——中原基础研究领军人才,以及河南省海外杰出科学家中心(GZS2024003)。
利益冲突声明
作者声明以下可能被视为潜在利益冲突的财务利益/个人关系:李家贵报告称中国地震局工程力学研究所提供了写作协助。如还有其他作者,他们声明不存在已知的竞争性财务利益或个人关系,这些利益或关系可能会影响本文所述工作的客观性。
李家贵|周普恩|王子凡|张嘉伟|吴永辉|侯维洲|张源政|何伟业|王涛|郑海武