呼吸作为维持生命的基本生理过程，其状态的长期监测对呼吸系统疾病的预防与诊断至关重要。传统呼吸监测设备往往体积庞大，且需要胸带束缚或贴近鼻腔，不仅影响用户舒适度，还可能干扰监测过程。近日，一项发表在《Microsystems & Nanoengineering》的研究带来了突破性进展 —— 研究团队开发出一种仿手指结构的柔性压力传感器系统，首次实现了从手腕脉搏波中直接提取呼吸信息，为可穿戴健康监测领域开辟了新路径。

柔性传感系统：毫米级的监测革命

这款新型呼吸监测系统的核心是厚度仅 300 微米的柔性压力传感器，采用丝网印刷工艺将银叉指电极、碳纳米管敏感层与热塑性聚氨酯（TPU）间隔层精准叠加，最终用聚二甲基硅氧烷（PDMS）封装成整体。其表面通过激光蚀刻形成指纹状环形结构，不仅将传感器与皮肤的机械附着力提升 40%，还通过优化的表面纹理增强了脉搏信号的捕捉效率。

传感器性能参数达到了医疗级标准：在 0-13 kPa 压力范围内灵敏度高达 11,847.24 kPa⁻¹，可检测低至 120 Pa 的细微压力变化，响应时间仅 37 毫秒，且在 70,000 次循环测试后仍保持信号稳定。整个系统集成柔性电路板、蓝牙模块和可充电锂电池后，总重量仅 9 克，佩戴在手腕桡骨粗隆处几乎无感，解决了传统设备的舒适性难题。

智能算法：从脉搏波到呼吸状态的解码

研究团队发现，呼吸过程中胸腔的扩张收缩会通过影响心室充盈、心输出量和脉搏基线，在脉搏波中留下三种特征信号：呼吸诱导心室充盈波动（RIFV）、呼吸诱导心输出量变化（RIAV）和呼吸诱导脉搏基线波动（RIIV）。为解析这些细微变化，他们设计了一种融合残差网络（ResNet）的双向长短期记忆神经网络（ResNet-BiLSTM）。

该算法的创新在于通过残差模块解决了传统 BiLSTM 在处理长序列时的梯度消失问题，同时增强了对复杂空间特征的提取能力。在包含 2708 例样本的数据集测试中，ResNet-BiLSTM 模型对慢呼吸、正常呼吸、快呼吸和模拟呼吸四种状态的分类准确率达到 99.5%，其中模拟呼吸状态识别率更是达到 100%。相比之下，单一 BiLSTM 模型的整体准确率为 99%，尤其在慢呼吸识别中存在 3% 的误差，充分证明了残差网络优化的有效性。

应用验证：从实验室到临床的跨越

在圣保罗大学开展的人体试验中，13 名志愿者佩戴该系统进行了不同呼吸状态的监测。研究人员将商用呼吸传感器作为对照，发现新系统在捕捉呼吸频率变化上表现出独特优势：当志愿者从慢呼吸（6 次 / 分钟）过渡到快呼吸（30 次 / 分钟）时，ResNet-BiLSTM 模型能在 2 个呼吸周期内完成状态识别，而传统阈值法常出现误判。

更值得关注的是其在复杂场景下的稳定性。在针对 6 名志愿者超过 300 秒的连续监测中，该系统对混合呼吸状态的识别准确率达到 100%，而商用设备在呼吸状态突变时误差率超过 15%。研究团队还特别测试了传感器在不同手腕位置的适应性，结果显示其 5.5 mm×24.8 mm 的有效检测区域可覆盖 92% 的人群脉搏分布，无需专业人员定位，极大提升了日常使用的便利性。

未来展望：可穿戴医疗的新范式

这项研究不仅提供了一种新型呼吸监测技术，更建立了 "脉搏波 - 呼吸信息" 的直接解码范式。目前研究团队已开发配套移动应用，支持实时数据显示与历史趋势分析，为个人健康管理和群体健康监测提供了完整解决方案。

尽管当前市售无人机续航限制了其在大面积监测中的应用，但研究人员计划通过空气动力学优化将设备续航提升至 2 小时以上，并已着手在亚马逊雨林等复杂环境开展试点。正如项目负责人所言："这种融合纳米传感与人工智能的系统，有望成为呼吸系统疾病早期筛查的 ' 电子哨兵 '，尤其在资源有限地区展现出巨大应用潜力。"

随着柔性电子技术与机器学习算法的持续进步，这种从脉搏中 "听" 呼吸的创新方案，或许会重新定义未来可穿戴医疗设备的设计理念 —— 让健康监测真正融入日常生活，而非成为身体的负担。

期刊参考：

Zhang， X. 等人。（2025） 使用手指式柔性压力传感器系统从脉搏波中直接提取呼吸信息。微系统与纳米工程。 doi.org/10.1038/s41378-025-00924-4。