莫纳什大学程文龙团队 Nat. Nanotech.：实现一种分级式智能可穿戴电子皮肤

在物联网（IOT）的大背景下，可穿戴电子设备能够更好地促进人与人、人与机器之间的互联，并通过对人体活动及生命体征的监测实现个性化医疗以及身临其境的虚拟现实、增强现实交互。然而，由于刚性电子材料与柔性生物体本质非兼容性，电子设备与人类健康状况或人类活动之间的连结远非“无缝”。可穿戴的类皮肤电子设备（E-skin）因其柔软而有弹性、超薄并适配人体皮肤且不易察觉等特点，可能能够克服这一挑战，更好地将生物系统与电子世界连接起来。近期，研究人员展示了能够识别手势或手语的智能可穿戴的类皮肤系统。这些系统通常需要通过人工智能对多个传感器的输出信号进行学习与分类以实现高准确率识别效果。然而，来自单个类皮肤传感器的信息通常包含大量纠缠的非特异性信号，不能用于分类与识别复杂的人体活动及生命体征的组合；另一方面，在我们日常生活中，皮肤的一个小小区域也许在短短几秒钟内就能产生包含多个生物活动的信号组合。例如，人类颈部的皮肤可能产生与声带震动、颈动脉搏动、呼吸活动、颈部肌肉运动及触觉等生物活动相关的信号，如此丰富的信息难以通过单一的类皮肤电子设备收集、分类与识别。

有鉴于此，莫纳什大学程文龙教授团队提出了一种“分层电阻式电子皮肤”的设计理念，通过人工智能实现“一个电阻信号，多个生物特征”的分类和识别能力。这种人工智能皮肤由三层电阻式传感器组成，包括顶部的纳米铂层，中间垂直金纳米线层和底部超薄金纳米线层，以对不同的生物活动与生命体征有不同的响应（图1a）。这种分层电阻式电子皮肤在三种不同的应变范围内表现出极佳的线性与明显的阶梯状电响应 （图2），从而识别了包括说话、心跳、呼吸、触觉与颈部运动五种生理/心理活动（图1b）。

为了实现基于单个传感器的各种生物活动的自动分类，该团队设计了一个信号处理和神经网络模型DeepHS，能够利用分层电阻式电子皮肤监测信号独有的时域和频域特征对十一组不同类别的信号进行机器学习与分类（图3），其中包含四组说话（‘yes’， ‘no’， ‘one’， ‘two’）信号，三组动作信号（点头、摇头、指触）和四组组合信号（点头+‘yes’，点头+‘no’，摇头+‘yes’，摇头+‘no’），并同时实现对受试者心率和呼吸频率的实时监测。其分类准确率在个性化模式下可达92.73（±0.82）%，并通过微调可适用于其他5位受试者。