一个高度灵活的自动驱动的三电传感器阵列,用于无声语音识别和吞运动分析
Parag Parashar1, Li-Chien Shen2, Yu-Hao Lee2
1Department of Biomedical Engineering, National Taiwan University, Taipei, 10617, Taiwan.
Small (Weinheim an der Bergstrasse, Germany)
|June 12, 2025
概括
使用 triboelectric纳米发电机 (TENGs) 的新型自动供电触觉传感器阵列为无声语音识别和吞分析提供了非侵入性解决方案. 这项技术推动了可穿戴辅助设备的发展,用于通信和康复.
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:
- 语音和吞障碍正在增加,需要先进的非侵入性诊断和康复工具.
- 目前的沉默语音识别 (SSR) 和吞评估方法具有诸如侵入性,环境敏感性和缺乏持续监控等局限性.
- 现有的技术,如基于视觉的SSR,超声波,sEMG,VFSS和FEES,存在重大缺点,阻碍了广泛的临床采用.
研究的目的:
- 开发一种灵活的,自动供电的触觉传感器阵列,用于非侵入性静音语音识别 (SSR) 和吞运动分析.
- 为了克服传统的SSR和吞评估技术的局限性.
- 为下一代可穿戴辅助技术奠定基础.
主要方法:
- 使用 triboelectric纳米发电机 (TENG) 制造一个灵活的,自动供电的触觉传感器阵列.
- 传感器采用微结构聚甲基 (PDMS) 层和电尼龙6/6纳米纤维薄膜,用于高效的 triboelectric 电荷生成.
- 将TENG传感器集成到2x2矩阵中,以捕捉唇部和喉运动,并使用机器学习算法进行分析.
主要成果:
- TENG传感器阵列准确地捕获了唇部和喉的运动.
- 实现了97.06%的准确性,用于基于无声语音的用户身份验证.
- 证明了关键吞康复机动的高精度分类 (98.04%).
结论:
- 开发的基于TENG的传感器阵列为实时语音和吞分析提供了强大,非侵入性和自我维持的解决方案.
- 这项技术代表了可穿戴辅助设备在通信和康复方面取得的重大进步.
- 这些发现为改善言语和吞障碍患者的临床诊断和康复策略铺平了道路.
