中國電子元件行業(yè)協(xié)會
China Electronic Components Association
心血管疾?。–VD）已成為全球最重要的健康問題之一。根據(jù)世界心臟聯(lián)合會2021年的報告，心血管疾病每年造成約2050萬人死亡，約占全球死亡人數(shù)的三分之一。持續(xù)監(jiān)測血壓波動對于疾病預(yù)防、進展跟蹤和指導(dǎo)治療至關(guān)重要。在臨床環(huán)境中已廣泛采用傳統(tǒng)的充氣袖帶血壓測量裝置，但由于其體積大、操作復(fù)雜以及對血液循環(huán)的潛在干擾，無法實現(xiàn)持續(xù)血壓監(jiān)測。通過分析脈搏波或心率的無袖帶血壓監(jiān)測技術(shù)已經(jīng)成為一種可行的方法。然而，這些方法仍面臨準確性及可靠性的相關(guān)挑戰(zhàn)，需要進一步改進以完善其性能。
近年來，對脈搏傳感器技術(shù)的研究推動了基于力感測原理的各種電學傳感器的發(fā)展，包括壓阻式、電容式、壓電式和摩擦電式等。然而，這些力傳感器經(jīng)常面臨信號準確性和穩(wěn)定性的問題。相比之下，光學傳感器因其高精度和檢測細微脈搏波的能力而廣受認可，不過，它們?nèi)匀幻媾R組裝挑戰(zhàn)。聚二甲基硅氧烷（PDMS）以其優(yōu)越的機械性能和出色的成型性而聞名，已廣泛應(yīng)用于各種力傳感器。人們正在探索PDMS薄膜應(yīng)用微米和納米級圖案化技術(shù)，以提高其靈敏度和穩(wěn)定性。
據(jù)麥姆斯咨詢介紹，清華大學深圳國際研究生院、南方科技大學微電子學院、香港大學電機及電子工程學系和香港科技大學（廣州）微電子研究中心的研究人員在ACS Sensors期刊上發(fā)表了一篇題為“Transfer Learning Enhanced Blood Pressure Monitoring Based on Flexible Optical Pulse Sensing Patch”的論文。該研究介紹了一種用于無袖帶血壓監(jiān)測的新型光學脈搏傳感貼片（OPSP）。該傳感器具有單片集成氮化鎵（GaN）光電芯片和微納米結(jié)構(gòu)的PDMS薄膜，并由利用遷移學習的數(shù)據(jù)處理算法提供支持。
圖1 新型光學脈搏傳感貼片（OPSP）示意圖
研究人員從中醫(yī)“寸、關(guān)、尺”診脈方法中獲得靈感，在柔性基板上安裝了三個相同的傳感單元以捕獲橈動脈的多個脈搏信號。對于血壓數(shù)據(jù)擬合，研究人員使用一維卷積神經(jīng)網(wǎng)絡(luò)（1D-CNN）、長短期記憶（LSTM）和小波變換（WT）結(jié)合遷移學習（TL），無需大量校準，便可對新用戶進行準確的血壓監(jiān)測。遷移學習通過從更廣泛的人群中學習通用特征來解決個體差異問題，最小化個體差異，使模型能夠適應(yīng)具有有限校準數(shù)據(jù)的新用戶。
PDMS薄膜及其表征
該PDMS薄膜的制造工藝涉及利用具有圓頂形圖案陣列的圖案化藍寶石襯底作為轉(zhuǎn)移模具。澆注和固化PDMS凝膠，獲得反向圖案。所制造的PDMS薄膜具有微米尺度的蜂窩圖案，并通過納米尺度的結(jié)構(gòu)增強。這種獨特的配置提高了傳感器的靈敏度、穩(wěn)定性和檢測范圍。薄膜內(nèi)的納米結(jié)構(gòu)在較小的力下就會變形，顯著增強了靈敏度。同時，蜂窩微結(jié)構(gòu)增強了機械強度和穩(wěn)定性。此外，凹面微結(jié)構(gòu)上的納米結(jié)構(gòu)能夠在施加的壓力下逐漸接觸和變形，進而擴展了傳感范圍。
GaN光電器件的特性
GaN光電器件包含一個LED和一個具有相同結(jié)構(gòu)的光電探測器（PD）。圖1E顯示了包含三個GaN光電器件（間隔1 cm，封裝在一個柔性基板上）的貼片。圖1F顯示了在測量過程中將貼片附著在手腕上，其柔性封裝可以更貼近橈動脈。圖2A示出了柔性印刷電路板上帶有PDMS薄膜的GaN光電器件爆炸圖。它由InGaN/GaN多量子阱（MQW）組成，中心區(qū)域作為LED，外圍區(qū)域充當PD。注入電流時，LED的發(fā)光由MQW中的載流子重組觸發(fā)。在藍寶石和周圍介質(zhì)之間的邊界處發(fā)生的全內(nèi)反射將反射光引導(dǎo)到PD，MQW中的光吸收產(chǎn)生載流子，隨后產(chǎn)生光電流。盡管存在斯托克斯位移，但PD的吸收譜與LED的發(fā)射譜之間仍存在重疊。
圖2 GaN光電器件的性能及表征
圖3 力傳感器的性能測試
基于遷移學習的血壓擬合
在機器學習驅(qū)動的血壓估算中，盡管個體之間的脈搏信號數(shù)據(jù)集存在差異，但要提取的基本信號特征保持一致。在這項研究中，研究人員利用OPSP獲取的兩點脈沖信號，采用1D-CNN、LSTM和WT的機器學習模型來估算血壓。如圖4所示，遷移學習模型包括多點數(shù)據(jù)的預(yù)處理，接著使用1D-CNN、LSTM和WT進行特征提取和映射。通過全連接層和血壓模型建立最終的連接。最終的血壓，通過使用微調(diào)數(shù)據(jù)集對預(yù)測的血壓進行線性補償獲得。在這個模型中，特征提取層作為遷移學習過程的一部分被預(yù)訓(xùn)練和凍結(jié)，而全連接層則作為遷移學習的微調(diào)層。預(yù)訓(xùn)練層可以轉(zhuǎn)移到新用戶，無需重新訓(xùn)練整個模型，大大簡化了新用戶的適應(yīng)過程。這種方法不僅減少了訓(xùn)練所需要的數(shù)據(jù)集，還提高了效率和適用性。
圖4 遷移學習模型架構(gòu)
總結(jié)來說，這項研究提出了一種面向無袖帶血壓監(jiān)測的新型光學脈搏傳感貼片。所述傳感單元利用具有微納結(jié)構(gòu)PDMS膜的單片集成GaN器件構(gòu)建。其力傳感器展示了0～10 N的感應(yīng)范圍，在0～1 N范圍內(nèi)具有94.4 uA/N的高靈敏度。并且表現(xiàn)出令人印象深刻的動態(tài)響應(yīng)，響應(yīng)時間為0.79 ms，恢復(fù)時間為2.8 ms。此外，該傳感器達到49 uN的最小檢測限，并在4000次循環(huán)測試中保持了一致的性能。該光學脈搏傳感貼片將三個力傳感器集成在一個柔性基底上，以檢測沿橈動脈的脈搏波，提供心率、心率變異性、脈搏波傳導(dǎo)速度（PWV）的測量結(jié)果作為心血管健康的指標。遷移學習能夠以最少的校準實現(xiàn)高精度的血壓擬合，符合AAMI和BHS標準。這種與智能傳感器的集成為推進傳感平臺以及增強患者護理帶來了巨大前景，有望實現(xiàn)對精神壓力和身體活動水平的持續(xù)監(jiān)測
