統(tǒng)計表明，滑雪、拳擊、橄欖球等運動及生活意外，每年造成全球約4200萬人輕微腦震蕩。輕微腦震蕩通常不會導致器質性病變，因此計算機斷層掃描（CT）及核磁共振成像（MRI）在診斷中起的作用有限，患者自我癥狀描述成為輕微腦震蕩診斷的主要信息來源。缺乏客觀評估標準和便攜式監(jiān)測技術，成為目前臨床輕微腦震蕩診治的主要障礙。

針對這一問題，中國科學院北京納米能源與系統(tǒng)研究所王中林院士、陳寶東研究員團隊提出了一種策略，通過3D打印的多角度納米發(fā)電機組成的柔性曲面?zhèn)鞲嘘嚵?，實現(xiàn)對頭部撞擊的實時監(jiān)測，在個性化醫(yī)療、智能運動和航空航天領域展現(xiàn)出良好的應用前景。近日，相關論文在《科學進展》發(fā)表。

多角度納米發(fā)電機組成的柔性曲面?zhèn)鞲嘘嚵懈拍?、結構和特性

自驅動傳感陣列應用示意圖

納米發(fā)電機展現(xiàn)傳感優(yōu)勢

輕微腦震蕩經常發(fā)生，并可能給認知、情感和身體帶來后遺癥。不同類型的撞擊對頭部的能量轉移，會使顱骨內大腦發(fā)生剪切、壓縮、旋轉和撕裂，導致不同的腦震蕩。因此，客觀、精準地評估腦震蕩程度和類型非常必要。

納米發(fā)電機利用摩擦、壓力的電效應和靜電感應的耦合工作，因此，從電路電效的變化中即可判斷其沖擊（摩擦）力的變化。納米發(fā)電機具有自驅動傳感、高靈敏度和材料多樣性等特性，是靜態(tài)和動態(tài)壓力主動監(jiān)測的理想選擇。

“在前期研究基礎上，團隊設計出可穿戴傳感陣列，用于頭部撞擊的位置追蹤和等級評估?！标悓殩|告訴《中國科學報》，“該陣列由32個摩擦納米發(fā)電機單元組成。與其他笨重且布線復雜的解決方案相比，該設備更輕、更靈活、更便攜?！?/p>

這種傳感陣列的結構設計不僅有助于傳感器表現(xiàn)出最佳性能，而且能使摩擦納米發(fā)電機具備多角度運動能力。實驗中，研究人員使用摩擦納米發(fā)電機從不同方向收集機械能，并識別剪切力、旋轉力和壓縮力，經過3萬次工作循環(huán)后，整體靈敏度僅下降2%。

“此外，該傳感器具有超高靈敏度和超寬壓力帶寬?！闭撐牡谝蛔髡摺⒅袊茖W院北京納米能源與系統(tǒng)研究所博士生俎璐璐解釋說，“超高靈敏度和超寬壓力帶寬是衡量傳感器感知能力和測試范圍的重要性能指標。該柔性傳感陣列可以在0~200千帕的外部壓力（沖擊力）范圍內正常工作，以電壓作為傳感信號時，能夠以平均0.214伏特/千帕的靈敏度精準分辨壓力變化。”

研究人員利用6個傳感指標（穩(wěn)定性、均勻性、線性度、重復性、靈敏度和遲滯性）評估該傳感陣列的整體性能，發(fā)現(xiàn)摩擦納米發(fā)電機可以在沒有外部電源的情況下將來自多個方向的力（壓縮、旋轉或剪切）轉換為電信號，響應時間為30毫秒，最小分辨率為1.415千帕，在0~200千帕的寬范圍內表現(xiàn)出出色的傳感能力。此外，該陣列還可以通過無線藍牙預警系統(tǒng)實現(xiàn)頭部撞擊的可視化映射。在機器學習算法的輔助下，它還展示了對傷害等級的評估，準確率達98%。

“這些數(shù)據(jù)優(yōu)于目前文獻報道的其他摩擦電和壓電的壓力傳感器?！标悓殩|說，“通過收集標準化數(shù)據(jù)，我們希望建立一個大數(shù)據(jù)平臺，以便未來深入研究頭部撞擊和輕微腦震蕩之間的直接和間接關系?！?/p>

3D打印拓展應用空間

雖然納米發(fā)電機在傳感方面優(yōu)勢明顯，但作為一種新型傳感器，它仍然缺乏標準的生產工藝。而3D打印技術不僅使各種材料（如導體、半導體和生物材料）的傳感器標準化生產成為可能，而且能適應不規(guī)則的身體結構。具體而言，3D打印技術簡化了納米發(fā)電機的加工環(huán)節(jié)、降低了成本，并將其一體化集成到各種應用場景中。

研究人員將電極線制成柔性印刷電路板，并設置上下銅屏蔽層，以減少或最小化串擾影響。施加壓力后，預加載接觸點的陣列可以通過彩虹色圖形成字母“L”“X”和“N”的圖像。平面陣列壓力分布的成功演示，意味著距離實現(xiàn)曲面?zhèn)鞲械哪繕擞纸艘徊健?/p>

“頭部的復雜曲率決定了傳感裝置必須有精確的表面幾何形狀和穩(wěn)定性。因此，我們采用逆向工程，結合3D掃描創(chuàng)建頭部點云，打印出近似人的頭部輪廓且符合人體工程學的軟陣列?！标悓殩|補充說，“3D打印為納米發(fā)電機的商業(yè)化提供了一條可行途徑，并在個性化醫(yī)療、智能運動和航空航天方面展現(xiàn)出良好的應用前景?！?/p>

智能體育和可穿戴醫(yī)療的機遇

為更精準評估頭部撞擊程度，該團隊使用深度卷積神經網(wǎng)絡（DCNN）分析識別多維、海量的數(shù)據(jù)。

“DCNN可以預測一個或多個響應變量，在模型預測方面取得了成功。訓練后的6倍交叉驗證混淆矩陣和預測結果混淆矩陣表明，經過訓練的模型對傷害等級的分類準確率達100%，對預測集的預測準確率達98%。”俎璐璐說。

基于此，該團隊提出了一個由摩擦納米發(fā)電機傳感陣列、數(shù)據(jù)處理模塊和移動終端組成的頭部撞擊遙感系統(tǒng)（HIRS）。此外，他們還增加了一個經過拓撲優(yōu)化的支撐結構與摩擦納米發(fā)電機傳感陣列配合使用，以創(chuàng)建減少輕微腦震蕩影響的智能頭盔。結果表明，該頭部撞擊遙感系統(tǒng)能在臨床診斷輕微腦震蕩之前，快速查明損傷區(qū)域并提供準確直觀的建議，有助于避免延誤診斷和治療。

“例如，在運動員受傷的情況下，教練和醫(yī)務人員可以通過該系統(tǒng)提供的結論來判斷是否需要終止比賽?！标悓殩|說，“此外，全3D打印傳感器技術的突破，使該系統(tǒng)可以匹配各種結構和不同場景下的壓力傳感設備。因此，這種摩擦納米發(fā)電機傳感陣列有望在智能體育和可穿戴醫(yī)療領域得到廣泛應用?！?/p>

相關論文信息：
https://doi.org/10.1126/sciadv.adg5152