机器学习启用可重复使用的粘附,纠的基于网络的水凝,用于长期,高准确度的EEG记录和注意力评估

科学领域:

• 材料科学 材料科学 材料科学
• 生物医学工程 生物医学工程
• 灵活的电子设备

背景情况:

• 导电性水凝由于其合规性和生物相容性,对灵活的电子产品具有前景.
• 目前的制造方法通常是复杂和昂贵的,限制了它们的广泛使用.
• 越来越需要具有增强机械性能,灵敏度和粘合力的水凝.

研究的目的:

• 为制造先进的导电水凝开发一种简单有效的策略.
• 调查新型水凝的机械,粘合和电生理特性.
• 探索水凝与机器学习一起用于信号分类的潜力.

主要方法:

• 使用液体金属诱导的交联反应,创建了一个纠的网络水凝.
• 机械性能 (伸展性,抗拉强度,性) 和对皮肤的附着性是特征.
• 进行了电生理信号采集和基于机器学习的分类.

主要成果:

• 水凝表现出极好的伸展性 (1643%),高拉伸强度 (366.54 kPa) 和性 (350.2 kJ m−3).
• 它表现出稳定的,可重复使用的对人体皮肤的附着性 (104 kPa),使得符合形状的接触.
• 高质量的表皮电生理信号被捕获,信号噪声比高 (25.2dB),阻抗低 (310欧姆).
• 机器学习算法实现了91.38%的注意力分类准确度.

结论:

• 拟议的液体金属诱导方法为高性能导电水凝提供了一个简单而有效的途径.
• 开发的水凝显示了可穿戴电子产品,生物传感和人机接口的巨大潜力.
• 与机器学习的整合为医疗保健,教育和人工智能领域的先进应用开辟了道路.