成果简介
在医疗保健应用领域，可穿戴传感器因其灵活轻便的特点而备受关注。然而，开发坚固耐用、易于制造且具有良好一致性的可穿戴传感器仍然是一项挑战。本文，新加坡南洋理工大学Kun Zhou等研究人员在《Adv Mater》期刊发表名为“3D Printed Conformal Strain and Humidity Sensors for Human Motion Prediction and Health Monitoring via Machine Learning”的论文，研究合成了一种导电石墨烯纳米板-碳纳米管（GC）墨水，用于多重喷射熔融（MJF）打印。MJF 的逐层制造工艺不仅改善了印刷 GC 传感器的机械和阻燃性能，还提高了其坚固性和灵敏度。
传感器的弯曲方向会对相对电阻变化产生重大影响，从而可以对人体的关节运动（如手指、手腕、肘部、颈部和膝盖）进行精确研究。此外，利用 GC 传感器收集的电阻变化数据来训练支持向量机，预测人体运动的准确率高达 95.83%。由于其稳定的湿度灵敏度，该传感器在监测人体呼吸和预测呼吸模式（正常呼吸、快速呼吸和深呼吸）方面也表现出色，从而拓展了其在医疗保健领域的潜在应用。这项工作为将 MJF 印刷可穿戴传感器用于各种医疗保健应用开辟了新途径。
图文导读
图1、GC传感器的制造和应用
图2、GC/TPU 复合材料的表征。
图3、GC传感器的机电特性和人体运动监测测试。
图4、ML的工作机制及其潜在应用
图5、GC传感器的湿度敏感性和潜在应用。
小结
在这项研究中，我们开发了一种新型GC油墨，并利用 MJF 印刷技术制造了一系列既实用又可扩展的应变和湿度传感器。这些传感器与人体关节非常吻合，具有良好的机械性能，如柔韧性和坚固性。弯曲传感器获得的输出数据对变形方向高度敏感，因此该传感器非常适合用于监测人体运动。多层弯曲传感器能够检测手腕弯曲，并识别五种基本的紧急手势，包括 “走”、”停”、”右转”、”左转 “和 “危险”。此外，利用佩戴在膝盖上的弯曲传感器获得的输出信号来训练 SVM，预测六种常见运动（包括行走、跑步、坐下、蹲下、跳跃和爬楼梯）的准确率达到 95.83%。机器学习与弯曲传感器的整合在预测人体运动和及时采取救援措施方面具有巨大潜力。此外，传感器出色的湿度灵敏度使其成为监测人体呼吸的理想选择。电阻的变化可以通过灯的亮度反映出来，从而直接显示生命体征。改进的热稳定性和阻燃性确保了 GC 传感器在火灾救援中的安全应用。利用先进的GC油墨和快速 MJF 制造技术，有可能赋予应变湿度传感器以灵活性、坚固性和形状记忆，从而在人类安全和医疗保健方面带来显著效益。
文献：https://doi.org/10.1002/advs.202304132
本文来自材料分析与应用，本文观点不代表石墨烯网立场，转载请联系原作者。
