可穿戴式呼吸監(jiān)測是一種快速、無創(chuàng)且方便的方法，可以早期識別人類健康異常，如限制性和阻塞性肺病。在這里，他們報道了一種計算流體動力學輔助的面罩傳感器網(wǎng)絡，它可以克服不同的用戶面部輪廓和環(huán)境干擾，以收集高度準確的呼吸信號。
受cribellate絲的啟發(fā)，瑞利不穩(wěn)定性誘導紡錘結(jié)纖維被編織成可滲透和防潮的紡織摩擦電傳感器，該傳感器擁有51.2dB的信噪比，0.28秒的響應時間，以及0.46V kPa-1的靈敏度。在深度學習的幫助下，口罩上傳感器網(wǎng)絡可以實現(xiàn)呼吸模式識別，分類準確率高達100%，比單個呼吸傳感器有很大提升。此外，還開發(fā)了一個定制的用戶友好型手機應用程序，將處理后的呼吸信號連接起來，進行實時數(shù)據(jù)驅(qū)動診斷，并與臨床醫(yī)生一鍵共享健康數(shù)據(jù)。深度學習輔助的面罩傳感器網(wǎng)絡為物聯(lián)網(wǎng)時代的個性化呼吸管理開辟了新途徑。
圖1：呼吸監(jiān)測系統(tǒng)的設(shè)計。 a)人體呼吸系統(tǒng)及相關(guān)常見呼吸系統(tǒng)疾病示意圖。b)在4m s-1 的正常呼吸速率下模擬面罩內(nèi)表面的壓力分布。 c)不同呼吸模式下的模擬峰值壓力。d) 掩膜上傳感器網(wǎng)絡的設(shè)計。e) 顯示紡織傳感器結(jié)構(gòu)的示意圖。f) 傳統(tǒng)呼吸傳感器與面罩傳感器網(wǎng)絡的特性比較。g) 顯示掩膜傳感器網(wǎng)絡可擴展性的照片。比例尺：5 厘米。h) 深度學習輔助自適應呼吸監(jiān)測系統(tǒng)示意圖。
圖2：瑞利不穩(wěn)定性用于制造受絲綢啟發(fā)的摩擦電纖維。 a) 均勻、紡錘結(jié)和蛤殼結(jié)構(gòu)的摩擦電纖維的可擴展制造。b) 顯示摩擦電纖維線軸的照片。比例尺：2 厘米。c-e) 均勻 (c)、紡錘結(jié) (d) 和蛤殼 (e) 構(gòu)象的摩擦電纖維的 SEM 圖像。比例尺：200 μm。f) 制造纖維的駝峰直徑。g) 用于分析三種構(gòu)象演化過程的準靜態(tài)模型草圖。L 和 h 分別為 PVDF 溶液液滴的長度和半徑；b 為合金絲的半徑；θ 是合金絲之間 PVDF 溶液的接觸角（其中 x = h，φ = π/2，并且 x = b，φ = θ）。h）δ（ΔP）和n-θ之間的關(guān)系。i) 作為 n 和 θ 函數(shù)的相圖，用于檢查瑞利不穩(wěn)定性確定的均勻和紡錘結(jié)構(gòu)象。
圖3：紡織摩擦電傳感器的表征。 a) 摩擦電傳感器的工作原理示意圖。b) 摩擦電傳感器在開路條件下的電荷分布模擬結(jié)果。c) 在 1 至 4 kPa 的變化負載壓力下，紡織傳感器的輸出Voc分別具有 1 Hz 的恒定頻率。d) 紡織傳感器的輸出 Voc 分別在 1/6 到 1 Hz 的不同頻率下具有 4 kPa 的恒定負載壓力。e) 三種基于構(gòu)象纖維的紡織傳感器的靈敏度和電輸出比較。f）基于紡錘結(jié)的紡織傳感器的τ和SNR。g) 紡織品傳感器在 4 kPa 壓力和 1 Hz 頻率下的耐久性能。
圖4：基于面罩上傳感器網(wǎng)絡的自適應呼吸監(jiān)測系統(tǒng)的演示。a) 用于呼吸監(jiān)測的面罩上傳感器網(wǎng)絡模型示意圖。b) 顯示深呼吸時面罩內(nèi)表面壓力分布的插值圖像。c,d) 正常和深呼吸模式下不同通道Voc的振幅和頻率（每分鐘呼吸次數(shù)）。1類：正常呼吸；2類：深呼吸；3類：偶爾咳嗽；4類：正常聲音；5類：呼吸衰竭。g) 構(gòu)建的CNN模型的詳細結(jié)構(gòu)。h) 在200個歷時中評估分類精度、學習率以及損失函數(shù)。目標類是指收集的五種呼吸信號類型，輸出類是指在深度學習的幫助下識別的結(jié)果。） 使用定制的手機APP進行實時無線呼吸監(jiān)測和管理的照片。比例尺。3厘米。
原文鏈接：Y. Fang, J. Xu, X. Xiao, Y. Zou, X. Zhao, Y. Zhou, J. Chen*. A Deep-Learning-Assisted on-Mask Sensor Network for Adaptive Respiratory Monitoring. Advanced Materials, 34, 2200252 (2022)
https://doi.org/10.1002/adma.202200252
團隊介紹:
陳俊博士，現(xiàn)任加州大學洛杉磯分校生物工程系助理教授，并創(chuàng)建了可穿戴生物電子實驗室，致力于以納米技術(shù)和生物電子為基礎(chǔ)，以智能織物、可穿戴器件和人體局域網(wǎng)為形式的，在能源、傳感、環(huán)境和醫(yī)療領(lǐng)域內(nèi)的前沿應用研究。已經(jīng)出版書籍2冊，論文230多篇，其中以通信作者在Chemical Reviews (2), Chemical Society Reviews (2), Nature Materials, Nature Electronics (3), Nature Communications (2), Science Advances, Joule (3)，Matter (6), Advanced Materials (7) 等刊物發(fā)表論文130余篇。其作品七次入選《自然》和《科學》雜志研究熱點，并被 NPR、ABC、NBC、路透社、CNN、《華爾街日報》、《科學美國人》、《新聞周刊》等世界主流媒體共計 1200 余次。此外，他還申請了 14 項美國專利，其中一項獲得了許可。他目前的H指數(shù)為82，連續(xù)2019，2020, 2021年入選Web of Science 全球高被引學者。陳俊博士現(xiàn)任Biosensors and Bioelectronics 雜志的副主編，也是Matter, Nano-Micro Letters, Materials Today Energy, Cell Reports Physical Science, The Innovation等國際期刊的編委會成員。陳俊博士最近獲得的獎項與榮譽包括ACS PMSE Young Investigator Award; Materials Today Rising Star Award; Advanced Materials Rising Star; ACS Nano Rising Stars Lectureship Award; Chem. Soc. Rev. Emerging Investigator Award; UCLA Society of Hellman Fellows Award; Okawa Foundation Research Award; Fellow of International Association of Advanced Materials; Thought Leaders by AZO Materials; 30 Life Sciences Leaders To Watch by Informa; JMCA Emerging Investigator Award; Nanoscale Emerging Investigator Award; Frontiers in Chemistry Rising Stars; IAAM Scientist Medal; 2020 Altmetric Top 100; Top 10 Science Stories of 2020 by Ontario Science Centre; Highly Cited Researchers 2020/2019/2021 in Web of Science.
