深度学习辅助的热化水凝纤维传感器用于自动供电的鼻孔内呼吸监测
Yang Zhang1, Han Wang1, Saeed Ahmed Khan2
1School of Mechanical Engineering, Taiyuan University of Science and Technology, Taiyuan 030024, China.
Journal of colloid and interface science
|September 17, 2024
概括
一个新型的自动供电的水凝传感器不侵入地监测呼吸模式. 这种可穿戴设备使用热电信号来准确识别呼吸模式,有助于早期发现疾病.
科学领域:
- 生物医学工程 生物医学工程
- 材料科学 材料科学 材料科学
- 可穿戴技术可穿戴技术
背景情况:
- 精确的呼吸系统监测对于疾病预后至关重要.
- 当前有线系统具有诸如低流动性和低舒适性等局限性.
- 需要先进的,非侵入性呼吸系统监测解决方案.
研究的目的:
- 开发一种自动供电的鼻孔内液凝传感器,用于持续的,无刺激的呼吸监测.
- 创建一个舒适和移动的替代现有的呼吸监测设备.
- 利用深度学习来准确识别呼吸模式.
主要方法:
- 制造一个双网络二元溶剂热聚乙烯醇水凝纤维传感器.
- 利用Fe2+/Fe3+氧化还原对来产生基于温度差异的热电信号.
- 采用深度学习算法来分析信号的时间序列和动态参数.
主要成果:
- 水凝传感器显示出优异的水分保留率 (>90%在14天后).
- 该系统通过深度学习实现了97.1%的准确性,识别了七种典型的呼吸模式.
- 传感器有效地避免了外部环境干扰.
结论:
- 自动供电的鼻孔内液凝传感器为长期,舒适的呼吸监测提供了一个有希望的解决方案.
- 这种热凝技术对下一代可穿戴生物电子产品具有重大潜力.
- 通过先进的监测,开发的战略使呼吸道疾病的早期查成为可能.
