高级搜索

医疗健康监测用柔性碳纤维传感器研究与应用

,  ,  ,  ,  ,  ,  ,  ,  ,  ,  , 

downloadPDF

上一篇

下一篇

韩明位, 刘贤哲, 杨景翔, 陈宥彬, 何鸿贤, 黄景诚, 吕思凱, 蓝沛盛, 陈智明, 温锦秀, 罗坚义, 黄爱萍. 医疗健康监测用柔性碳纤维传感器研究与应用[J]. 物理学报, 2026, 75(10): 100805. doi: 10.7498/aps.75.20251778
引用本文: 韩明位, 刘贤哲, 杨景翔, 陈宥彬, 何鸿贤, 黄景诚, 吕思凱, 蓝沛盛, 陈智明, 温锦秀, 罗坚义, 黄爱萍. 医疗健康监测用柔性碳纤维传感器研究与应用[J]. 物理学报, 2026, 75(10): 100805. doi: 10.7498/aps.75.20251778
shu
Mingwei HAN, Xianzhe LIU, Jingxiang YANG, Youbin CHEN, Hongxian HE, Jingcheng HUANG, Sikai LYU, Peisheng LAN, Zhiming CHEN, Jinxiu WEN, Jianyi LUO, Aiping HUANG. Flexible carbon fiber sensors for healthcare monitoring: Research and applications[J]. Acta Physica Sinica, 2026, 75(10): 100805. doi: 10.7498/aps.75.20251778
Citation: Mingwei HAN, Xianzhe LIU, Jingxiang YANG, Youbin CHEN, Hongxian HE, Jingcheng HUANG, Sikai LYU, Peisheng LAN, Zhiming CHEN, Jinxiu WEN, Jianyi LUO, Aiping HUANG. Flexible carbon fiber sensors for healthcare monitoring: Research and applications[J]. Acta Physica Sinica, 2026, 75(10): 100805. doi: 10.7498/aps.75.20251778
shu

医疗健康监测用柔性碳纤维传感器研究与应用

  • 1.

    五邑大学应用物理与材料学院, 柔性传感材料与器件研究中心, 江门　529020

  • 2.

    广州碳思科技有限公司, 广州　511400

    • 作者简介: 韩明位.E-mail: 3173638775@qq.com;共同第一作者; 刘贤哲. E-mail: liuxianzhe@wyu.edu.cn .
    通讯作者: E-mail: luojiany@wyu.edu.cn.;  E-mail: flyinghap@163.com.

Flexible carbon fiber sensors for healthcare monitoring: Research and applications

  • 1.

    Research Center for Flexible Sensing Materials and Devices, School of Applied Physics and Materials, Wuyi University, Jiangmen 529020, China

  • 2.

    Guangzhou Carbonsens Technology Co., Ltd., Guangzhou 511400, China

    • Corresponding authors: E-mail: luojiany@wyu.edu.cn.;  E-mail: flyinghap@163.com.

  • 摘要: 柔性碳纤维传感器作为柔性电子技术中的关键组成部分之一, 因其具有优异的导电性、机械柔韧性、化学稳定性和生物相容性等优势, 在医疗诊断、运动健康与人机交互等领域具有广阔应用而备受关注. 本文系统综述了柔性碳纤维传感器在医疗健康监测领域中的最新研究进展, 从传感机理出发, 并结合结构设计, 对柔性碳纤维传感器的灵敏度、稳定性、线性度等性能和应用做了系统总结. 最后, 展望了碳纤维传感器在实际应用和发展过程中面临的一些挑战.
    Abstract: As one of the core components of flexible electronics, flexible carbon fiber-based sensors exhibit broad application prospects in medical diagnosis, sports health, human-computer interaction and other fields by virtue of their excellent electrical conductivity, mechanical flexibility, chemical stability and biocompatibility. This paper systematically reviews the latest research progress of flexible carbon fiber sensors in healthcare monitoring. Focusing on the quantum tunneling effect and impurity scattering effect, we conduct an in-depth analysis of their stress and temperature dual sensing mechanisms, and reveal the spatial orthogonality between the radial piezoresistance and axial thermal resistance of carbon fiber beams. This unique characteristic endows a single carbon fiber beam with pressure-temperature dual-mode sensing capability, which provides crucial technical support for the miniaturization and integration of sensors. Combined with innovative structural design strategies (e.g., cross structure, H-type structure, corrugated structure), we systematically summarize the performance optimization paths and research achievements of such sensors in key parameters including sensitivity, stability and linearity. Furthermore, we elaborate on the innovative applications and practical effects of flexible carbon fiber sensors in multiple related fields: in medical diagnosis, they realize the digitalization of traditional Chinese medicine (TCM) pulse diagnosis, quantitative monitoring of tongue pressure for swallowing function assessment, accurate detection of core body temperature and integrated monitoring of multi-modal physiological signals; in sports health, they enable multi-scenario respiratory monitoring (including underwater monitoring), plantar pressure-based gait analysis and synergistic monitoring of joint-muscle movement; in human-computer interaction, they provide technical support for tactile perception of electronic skin, human motion capture and intelligent bionic interaction. Finally, we dissect the key challenges faced by flexible carbon fiber sensors in the industrialization of preparation processes and the optimization of comprehensive performance and environmental adaptability. Combined with interdisciplinary technologies such as artificial intelligence and machine learning, we prospect their future development directions and application potential in personalized medicine, intelligent rehabilitation, digital health management and other emerging fields. This review provides a valuable reference for the interdisciplinary integration and innovative development of flexible electronics, intelligent wearable devices and healthcare monitoring technologies.
  • 加载中

  • 图 1  碳纤维传感器应用图

    Figure 1.  Application diagram of carbon fiber sensors.

    下载: 全尺寸图片 幻灯片

    图 2  基于单根碳纤维束的应力传感机理模型[65]

    Figure 2.  Stress sensing mechanism model based on single carbon fiber tow[65].

    下载: 全尺寸图片 幻灯片

    图 3  基于单根碳纤维束的温度传感机理模型[65]

    Figure 3.  Temperature sensing mechanism model based on single carbon fiber tow[65].

    下载: 全尺寸图片 幻灯片

    图 4  中医脉诊及远程诊断系统[63]　(a)柔性传感器结构及灵敏度; (b)传感器循环稳定性; (c)传感器在中医“寸、关、尺”三诊脉穴位的应用及对应脉搏信号; (d)不同受试者的单个周期脉搏信号; (e)辅助中医脉诊远程医疗系统及应用

    Figure 4.  Traditional chinese medicine (TCM) pulse diagnosis and remote diagnosis system[63]: (a) Structure and sensitivity of the flexible sensor; (b) cycling stability of the sensor; (c) application of the sensor at Cun, Guan and Chi three pulse diagnosis acupoints in TCM and the corresponding pulse signals; (d) single-cycle pulse signals of different subjects; (e) assisted remote medical system for TCM pulse diagnosis and its application.

    下载: 全尺寸图片 幻灯片

    图 5  碳纤维舌压监测传感器的制备与应用[90]　(a)舌压传感器制备; (b)传感器灵敏度; (c)传感器响应/恢复时间; (d)口腔气囊舌压测量系统; (e)不同年龄和性别健康个体的舌压测试, 第1组(20—39岁)和第2组(40—60岁); (f)传感器在颌下腺炎术后患者的康复中应用; (g) P1—P7的传感器分布阵列; (h)传感器阵列的舌压分布图及感测单元P1—P7的舌压信号时间变化曲线

    Figure 5.  Fabrication and application of carbon fiber-based tongue pressure monitoring sensor[90]: (a) Fabrication of the tongue pressure sensor; (b) sensitivity of the sensor; (c) response/recovery time of the sensor; (d) oral airbag tongue pressure measurement system; (e) tongue pressure tests on healthy individuals of different ages and genders, Group 1 (20–39 years old) and Group 2 (40–60 years old); (f) application of the sensor in the rehabilitation of patients after submandibular sialadenitis surgery; (g) sensor distribution array of P1–P7; (h) tongue pressure distribution map of the sensor array and time-varying curves of tongue pressure signals of sensing units P1–P7.

    下载: 全尺寸图片 幻灯片

    图 6  超细测温探头测量系统[102]　(a)传感器制备、结构及应用; (b)传感器热力学响应仿真; (c)传感器温度-电阻响应曲线(分辨率达0.1 ℃); (d)不同温度下长期稳定性测试; (e)不同pH下耐腐蚀性测试; (f)温度检测系统的硬件架构及用户界面; (g)传感器实测温度与红外测温的对比结果; (h)不同剂量三溴乙醇下小鼠体内温度和呼吸率的时间变化及与麻醉时间的关系

    Figure 6.  Ultrafine temperature probe measurement system[102]: (a) Sensor preparation, structure and application; (b) thermodynamic response simulation of the sensor; (c) sensor temperature-resistance response curve (resolution up to 0.1 ℃); (d) long-term stability test under different temperatures; (e) corrosion resistance test under different pH values; (f) hardware architecture and user interface of the temperature detection system; (g) comparison results between the measured temperature of the sensor and infrared temperature measurement; (h) temporal variations of in-vivo temperature and respiratory rate of mice under different doses of tribromoethanol and their relationship with anesthesia time.

    下载: 全尺寸图片 幻灯片

    图 7  多参数柔性传感器及人体状态识别系统[62]　(a)柔性传感器示意图; (b)传感器的温力响应性能测试(最小响应力测试、电阻与力的变化关系、力传感的数据拟合曲线、温度响应曲线、六次加热-冷却循环测试); (c)多生理信号采集的可穿戴系统及运动/疲劳/兴奋/愤怒人体状态识别

    Figure 7.  Multi-parameter flexible sensor and human state recognition system[62]: (a) Schematic diagram of the flexible sensor; (b) temperature-force response performance tests of the sensor (minimum response force test, relationship between resistance and force variation, data fitting curve of force sensing, temperature response curve, six heating-cooling cycle tests); (c) wearable system for multi-physiological signal acquisition and human state recognition (motion/fatigue/excitement/anger).

    下载: 全尺寸图片 幻灯片

    图 8  多场景呼吸传感器及监测系统[61]　(a)传感器结构及制备; (b)传感器性能(耐水性能测试、灵敏度测试、空气中和水中对比测试、5000次循环稳定性测试); (c)传感器仅对拉伸应变敏感; (d)传感器游泳呼吸测试

    Figure 8.  Multi-scenario respiratory sensors and monitoring systems[61]: (a) Sensor structure and preparation; (b) sensor performance (water resistance test, sensitivity test, comparative test in air and water, 5000-cycle stability test); (c) sensor with sensitivity only to tensile strain; (d) swimming respiratory test of the sensor.

    下载: 全尺寸图片 幻灯片

    图 9  足底压力传感器及监测系统[67]　(a)传感器结构及性能(电阻变化率随压力变化曲线); (b)智能鞋垫系统; (c)太极运动和射击姿势应用; (d)连续足底压力监测和步态分析; (e)区域化鞋垫示意图和运动识别程序; (f)智能鞋垫快速识别各种运动; (g)人体不同运动的识别准确性

    Figure 9.  Plantar pressure sensors and monitoring systems[67]: (a) Sensor structure and performance (resistance change rate vs pressure curve); (b) the intelligent insole system; (c) applications in Tai Chi exercise and shooting posture; (d) continuous plantar pressure monitoring and gait analysis; (e) schematic diagram of the regionalized insole and motion recognition program; (f) rapid recognition of various motions by the intelligent insole; (g) recognition accuracy of different human motions.

    下载: 全尺寸图片 幻灯片

    图 10  弯曲传感器及运动评估系统[66]　(a)传感器结构; (b)传感器性能(向外弯曲、向内弯曲、弯曲线性度、大于10000次循环测试); (c)多通道传感器运动监测(垂直举哑铃、伸展举哑铃、俯卧撑和肩推健身)

    Figure 10.  Flexion sensors and motion assessment systems[66]: (a) Sensor structure; (b) sensor performance (outward bending, inward bending, bending linearity, >10000 cyclic tests); (c) multi-channel sensor motion monitoring (vertical dumbbell lifting, overhead dumbbell extension, push-ups and shoulder press fitness).

    下载: 全尺寸图片 幻灯片

    图 11  触觉感知系统[118]　(a)传感器结构及性能(灵敏度R2 = 0.99766; 响应时间65.335 ms); (b)传感器在不同硬度表面检测; (c)模拟人体的地下触觉断层扫描; (d)封装在硅胶下的电路板触觉断层扫描; (e)模拟皮下血管的触觉断层扫描

    Figure 11.  Tactile perception system[118]: (a) Sensor structure and performance (sensitivity: R2 = 0.99766, response time: 65.335 ms); (b) detection of the sensor on surfaces with different hardness; (c) simulated tactile computed tomography (CT) of the human body in underground environment; (d) tactile CT of the circuit board encapsulated under silica gel; (e) tactile CT simulating subcutaneous blood vessels.

    下载: 全尺寸图片 幻灯片

    图 12  人体运动捕捉与手势识别系统[121]　(a)传感器结构; (b)传感器性能(灵敏度R2 = 0.99497); (c)传感器手势识别数字化重现; (d)上肢抓取不同物体时信号变化

    Figure 12.  Human motion capture and gesture recognition system[121]: (a) Sensor structure; (b) sensors performance (sensitivity R2 = 0.99497); (c) digital reproduction of gesture recognition by the sensor; (d) signal variations of the upper limb when grasping different objects.

    下载: 全尺寸图片 幻灯片

    图 13  全身动作捕捉系统及应用[64]　(a)系统原理; (b)人体多种姿势信号捕捉; (c)中国功夫的数字孪生; (d) 8种动作的总体准确性

    Figure 13.  Full-body motion capture system and applications[64]: (a) System principles; (b) signal capture of multiple human postures; (c) digital twin of Chinese Kung Fu; (d) overall accuracy of eight types of motions.

    下载: 全尺寸图片 幻灯片
  • [1] Guo R R, Yu D S, Huang Y F, Wang S, Fu C, Zhu S H, Yi J, Wang H Q, Lin Y H 2023 Chin. Phys. B 32 088103 doi: 10.1088/1674-1056/acdfc2
    [2] Shu Y, Tian H, Wang Z, Zhao H M, Mi W T, Li Y X, Cao H W, Ren T L 2015 Chin. Phys. Lett. 32 114301 doi: 10.1088/0256-307X/32/11/114301
    [3] Zhang C H, Yang Y, Wang Y F, Zhou C J, Shu Y, Tian H, Ren T L 2013 Chin. Phys. Lett. 30 086201 doi: 10.1088/0256-307X/30/8/086201
    [4] 申茂良, 张岩 2020 物理学报 69 170701 doi: 10.7498/aps.69.20200784 Shen M L, Zhang Y 2020 Acta Phys. Sin. 69 170701 doi: 10.7498/aps.69.20200784
    [5] Ma Z C, Yan S N, Chen F Q, Dai Y D, Liu Z L, Xu K, Xu T, Tong Z Q, Chen M Y, Wang L Z, Wang P F, Sun L T, Cheng B, Liang S J, Miao F 2024 Chin. Phys. Lett. 41 077101 doi: 10.1088/0256-307X/41/7/077101
    [6] 王闯, 鲍容容, 潘曹峰 2021 物理学报 70 100705 doi: 10.7498/aps.70.20202157 Wang C, Bao R R, Pan C F 2021 Acta Phys. Sin. 70 100705 doi: 10.7498/aps.70.20202157
    [7] 李银辉, 殷荣艳, 梁建国, 李玮栋, 范凯, 周赟磊 2024 物理学报 73 206801 doi: 10.7498/aps.73.20241006 Li Y H, Yin R Y, Liang J G, Li W D, Fan K, Zhou Y L 2024 Acta Phys. Sin. 73 206801 doi: 10.7498/aps.73.20241006
    [8] 艾雯, 胡小会, 潘林, 陈长春, 王一峰, 沈晓冬 2019 物理学报 68 197101 doi: 10.7498/aps.68.20190642 Ai W, Hu X H, Pan L, Chen C C, Wang Y F, Shen X D 2019 Acta Phys. Sin. 68 197101 doi: 10.7498/aps.68.20190642
    [9] He J, Xiao P, Lu W, Shi J W, Zhang L, Liang Y, Pan C F, Kuo S W, Chen T 2019 Nano Energy 59 422 doi: 10.1016/j.nanoen.2019.02.036
    [10] Meng K Y, Xiao X, Wei W X, Chen G R, Nashalian A, Shen S, Xiao X, Chen J 2022 Adv. Mater. 34 2109357 doi: 10.1002/adma.202109357
    [11] Hussain T, Ullah S, Fernández-García R, Gil I 2023 Sensors 23 7518 doi: 10.3390/s23177518
    [12] Vicente B A, Sebastião R, Sencadas V 2024 Adv. Funct. Mater. 34 2404348 doi: 10.1002/adfm.202404348
    [13] Li C Y, Xu Z J, Xu S X, Wang T Y, Zhou S Y, Sun Z R, Wang Z L, Tang W 2023 Nano Res. 17 11846 doi: 10.1007/s12274-023-5420-1
    [14] Dolson C M, Harlow E R, Phelan D M, Gabbett T J, Gaal B, McMellen C, Geletka B J, Calcei J G, Voos J E, Seshadri D R 2022 Sensors 22 7639 doi: 10.3390/s22197639
    [15] Sang M Y, Kang K W, Zhang Y, Zhang H Z, Kim K H, Cho M K, Shin J W, Hong J H, Kim T M, Lee S K, Yeo W H, Lee J W, Lee T Y, Xu B X, Yu K J 2022 Adv. Mater. 34 2105865 doi: 10.1002/adma.202105865
    [16] Shen S, Xiao X, Xiao X, Chen J 2021 Chem. Commun. 57 5871 doi: 10.1039/D1CC02091A
    [17] Lo Presti D, Santucci F, Massaroni C, Formica D, Setola R, Schena E 2021 Sci. Rep. 11 21162 doi: 10.1038/s41598-021-00574-2
    [18] Ismail S N A, Nayan N A, Haniff M A S M, Jaafar R, May Z 2023 Nanomaterials 13 852 doi: 10.3390/nano13050852
    [19] Zhao L, Liang C M, Huang Y, Zhou G D, Xiao Y Q, Ji N, Zhang Y T, Zhao N 2023 npj Digit. Med. 6 93 doi: 10.1038/s41746-023-00835-6
    [20] 邵艳秋, 任婷, 王迪, 姬旭, 柳林, 杨荟, 杨皓婷, 张吉振, 陶金龙, 孔娜 2025 材料导报 39 28 Shao Y Q, Ren T, Wang D, Ji X, Liu L, Yang H, Yang H T, Zhang J Z, Tao J L, Kong N 2025 Mater. Rep. 39 28
    [21] Azizkhani M B, Kadkhodapour J, Rastgordani Sh, Anaraki A P, Shirkavand Hadavand B 2019 Fibers Polym. 20 35 doi: 10.1007/s12221-019-8662-0
    [22] Lu Y, Wang J C, Wang L, Zhao D Q, Song S Q 2021 Compos. Sci. Technol. 205 108692 doi: 10.1016/j.compscitech.2021.108692
    [23] Zhu J J, Wang Y, Liu H, Lou S Z, Shu M, Liu M, Zong P A, Wan C L 2025 J. Adv. Ceram. 14 9221073 doi: 10.26599/JAC.2025.9221073
    [24] Wang Y D, Tao Y, Hao P P, Li C H, Li M F, Tan Y, Wang D 2024 J. Mater. Chem. C 12 16229 doi: 10.1039/D4TC02820A
    [25] Shukla S, Khanna S, Sahoo S, Joshi N, Narayan R 2024 ACS Appl. Bio Mater. 7 472 doi: 10.1021/acsabm.3c01089
    [26] McConville A, Mathur A, Davis J 2019 IEEE Sens. J. 19 34 doi: 10.1109/JSEN.2018.2872895
    [27] 谈溥川, 赵超超, 樊瑜波, 李舟 2020 物理学报 69 178704 doi: 10.7498/aps.69.20201012 Tan P C, Zhao C C, Fan Y B, Li Z 2020 Acta Phys. Sin. 69 178704 doi: 10.7498/aps.69.20201012
    [28] Liu X Q, Li K L, Chen D H, Wei A X, Zhao Y, Pang Z J 2024 ACS Appl. Mater. Interfaces 16 62537 doi: 10.1021/acsami.4c13537
    [29] Xie Y X, Liu F L, Luo Y C, Lin N, Wu X H, Wu Z J, Lu L S 2025 Adv. Sci. 1 10741 doi: 10.1002/advs.202510741
    [30] Fu Y F, Yi F L, Liu J R, Li Y Q, Wang Z Y, Yang G, Huang P, Hu N, Fu S Y 2020 Compos. Sci. Technol. 186 107910 doi: 10.1016/j.compscitech.2019.107910
    [31] Xie H W, Huang Z L, Wan J W, Zhou R, Chen T, Wang Y Z, Cheng D, Yang L P, Ji J J, Jiang Y, Wu T L, Liu J, Pan T S, Jiang B B, Zhu J, Yao G, Gao M, Lin Y 2024 Adv. Funct. Mater. 34 2401532 doi: 10.1002/adfm.202401532
    [32] You X, Li X Y, Liu X Z, Chen Y B, Huang C, Lin D L, Mai X J, Cai H A, Li L S, Li W M, Huang A P, Luo J Y 2026 Sci. China Technol. Sci. 69 1320202 doi: 10.1007/s11431-025-3142-x
    [33] Liu C, Xu L, Kong L Y, Xu Y Q, Zhou W, Qiang Q P, Tian L L, Chen W B, Cai M S, Lang T C, Han T, Liu B T 2022 J. Mater. Chem. C 10 13064 doi: 10.1039/D2TC02326A
    [34] Zhang H, Chen X Y, Liu Y, Yang C Q, Liu W Z, Qi M Y, Zhang D Z 2024 ACS Appl. Mater. Interfaces 16 2554 doi: 10.1021/acsami.3c14036
    [35] Zhang H, Chen X Y, Liu Y, Yang C Q, Liu W Z, Qi M Y, Zhang D Z 2024 Chem. Eng. J. 488 150997 doi: 10.1016/j.cej.2024.150997
    [36] Cui X Y, Miao C J, Lu S W, Liu X M, Yang Y X, Sun J C 2023 ACS Appl. Mater. Interfaces 15 59655 doi: 10.1021/acsami.3c11328
    [37] Zhou Z, Qi Y X, Zheng T Y, Li T T, Lin J H 2025 ACS Appl. Polym. Mater. 7 5855 doi: 10.1021/acsapm.4c04091
    [38] Zhang P, Chen Y C, Li Y X, Zhang Y, Zhang J, Huang L S 2020 Sensors 20 1154 doi: 10.3390/s20041154
    [39] Li M Y, Tao H J, Wu H D, Wang H B, Yu B J, Zhao Z J 2025 IEEE Sens. J. 25 40504 doi: 10.1109/JSEN.2025.3611395
    [40] Men H J, Song J Y, Li J C 2025 ACS Appl. Nano Mater. 8 5412 doi: 10.1021/acsanm.4c06981
    [41] Wang L, Wang Y X, He S Q, Wen J H, Du Q F, Zhang Y J, Zhang W T, Gao R X, Zhang K, Cui R F, Zhang F Y, Zhong X Q, Kong Z, Tang C X, Zhao X Y 2025 Chem. Eng. J. 525 170111 doi: 10.1016/j.cej.2025.170111
    [42] Peng M L, Li X, Liu Y F, Chen J W, Chang X H, Zhu Y T 2023 Appl. Surf. Sci. 610 155516 doi: 10.1016/j.apsusc.2022.155516
    [43] Li X L, Chen Y H, Zhu B, Salimi M, Zhang L S, Amidpour M, Zhu M F, Chen Z G 2025 Adv. Funct. Mater. 35 2423472 doi: 10.1002/adfm.202423472
    [44] Zhang G D, Yang W Z, Ding J A, Liu M X, Di C R, Ci S Z, Qiao K 2024 Carbon Lett. 34 1055 doi: 10.1007/s42823-023-00671-4
    [45] Zhang M C, Wang C Y, Wang H M, Jian M Q, Hao X Y, Zhang Y Y 2017 Adv. Funct. Mater. 27 1604795 doi: 10.1002/adfm.201604795
    [46] Wang C Y, Li X, Gao E L, Jian M Q, Xia K L, Wang Q, Xu Z P, Ren T L, Zhang Y Y 2016 Adv. Mater. 28 6640 doi: 10.1002/adma.201601572
    [47] 张鑫, 陈星, 白天, 游兴艳, 赵鑫, 刘向阳, 叶美丹 2020 物理学报 69 178201 doi: 10.7498/aps.69.20200159 Zhang X, Chen X, Bai T, You X Y, Zhao X, Liu X Y, Ye M D 2020 Acta Phys. Sin. 69 178201 doi: 10.7498/aps.69.20200159
    [48] Nag A, Nuthalapati S, Mukhopadhyay S C 2022 IEEE Sens. J. 22 10235 doi: 10.1109/JSEN.2022.3170313
    [49] Roh H D, Park Y B 2022 Sens. Actuators A 341 113348 doi: 10.1016/j.sna.2021.113348
    [50] Yu Y N, Luo C, Suto T, Uetsuji Y, Narita F 2024 Small 20 2307689 doi: 10.1002/smll.202307689
    [51] Zhang F, Hu H L, Hu S M, Yue J L 2021 J. Adv. Ceram. 10 1350 doi: 10.1007/s40145-021-0509-7
    [52] Ates M, Castillo J, Sarac A S, Schuhmann W 2008 Microchim. Acta 160 247 doi: 10.1007/s00604-007-0837-5
    [53] Dias C, Fernandes E, Barbosa R M, Ledo A 2022 Sensors 22 7011 doi: 10.3390/s22187011
    [54] Li A K, Fan Y W, Qian B L, Zhang Z C, Xun T 2018 Chin. Phys. B 27 028401 doi: 10.1088/1674-1056/27/2/028401
    [55] Meng J, Xiao B, Wu F X, Sun L H, Li B, Guo W, Hu X C, Xu X G, Wen T, Liu J, Xu H Y 2022 Mater. Today Bio. 16 100415 doi: 10.1016/j.mtbio.2022.100415
    [56] Wang C Y, Xia K L, Zhang M C, Jian M Q, Zhang Y Y 2017 ACS Appl. Mater. Interfaces 9 39484 doi: 10.1021/acsami.7b13356
    [57] Yang H S, Bao J, Qi Y L, Zhao J Y, Hu Y, Wu W X, Wu X C, Zhong D D, Huo D Q, Hou C J 2020 Anal. Chim. Acta 1135 12 doi: 10.1016/j.aca.2020.08.010
    [58] Madhu S, Anthuuvan A J, Ramasamy S, Manickam P, Bhansali S, Nagamony P, Chinnuswamy V 2020 ACS Appl. Electron. Mater. 2 499 doi: 10.1021/acsaelm.9b00730
    [59] Tian G Q, Yang Y L, Li W Y, Meng Y, Zhou T Y, Su A, Lei Q M, Ji T, Fouad H, Akhtar M S 2023 J. Nanoelectron. Optoelectron. 18 255 doi: 10.1166/jno.2023.3394
    [60] Song M J, 2019 Korean Chem. Eng. Res. 57 606 doi: 10.9713/kcer.2019.57.5.606
    [61] He J S, Li Y Z, Yang F P, Gan Z X, Lu K L, Deng Z Y, Zhang K B, Chen Z M, Liu X Z, Huang A P, Luo J Y 2024 Appl. Mater. Today 38 102165 doi: 10.1016/j.apmt.2024.102165
    [62] Jin Y, Chen G N, Lao K T, Li S H, Lu Y, Gan Y F, Li Z D, Hu J J, Huang J C, Wen J X, Deng H G, Yang M, Chen Z M, Hu X Y, Liang B W, Luo J Y 2020 npj Flex. Electron. 4 28 doi: 10.1038/s41528-020-00090-9
    [63] Wei M M, Chen Z M, Chen G N, Huang X P, Jin Y, Lao K T, Li Z D, Li S H, Zhong F D, Liang H P, Huang J C, Liang B W, Hu X Y, Liu H L, Liang H Z, Yang M, Wen J X, Feng Y, Luo J Y 2021 Sens. Actuators A 323 112669 doi: 10.1016/j.sna.2021.112669
    [64] Huang M, Lin D L, Chen X Q, Zhong X M, Chen Z M, Hu F M, Li J Y, Gan J F, Chen Y H, Zhu W G, Lu P P, Wen J X, Li P F, He X, Zhou B P, Luo J Y 2025 Sci. China Tech. Sci. 59 183
    [65] Huang J C, Chen G N, Hu X Y, et al. 2019 Adv. Mater. Technol. 4 1900802 doi: 10.1002/admt.201900802
    [66] Li Z D, Hu F M, Chen Z M, Huang J C, Chen G N, Chen R B, Wei M M, Lao K T, Hu J J, Zheng J T, Wang L F, Yao Y, Hu X Y, Liang B W, Yang M, Lu X H, Wen J X, Luo J Y 2021 npj Flex. Electron. 5 4 doi: 10.1038/s41528-021-00102-2
    [67] Li X Y, Liu X Z, Zeng W H, Ding D Y, Liu B, Li Y Z, Zhao Z H, Zhan S Y, Zhu W G, Chen Z M, Huang J C, Luo J Y 2023 Adv. Mater. Technol. 8 2300095 doi: 10.1002/admt.202300095
    [68] Li S S 2006 Semiconductor Physical Electronics (New York: Springer) pp211–245
    [69] Liu J, Yue Z R, Fong H 2009 Small 5 536 doi: 10.1002/smll.200801440
    [70] Wang Q F, Wang C G, Yu M J, Ma J, Hu X Y, Zhu B 2010 Sci. China Tech. Sci. 53 1489 doi: 10.1007/s11431-010-3142-1
    [71] Fitzer E 1989 Carbon 27 621 doi: 10.1016/0008-6223(89)90197-8
    [72] 郑锦涛, 温锦秀, 胡晓燕, 胡凤鸣, 陈国宁, 黄景诚, 陈智明, 罗坚义 2022 传感技术学报 35 461 Zheng J T, Wen J X, Hu X Y, Hu F M, Chen G N, Huang J C, Chen Z M, Luo J Y 2022 Chin. J. Sens. Actuators 35 461
    [73] Pan L, Mitra S, Zhao L D, Shen Y W, Wang Y F, Felser C, Berardan D 2016 Adv. Funct. Mater. 26 5149 doi: 10.1002/adfm.201600623
    [74] Pizzorni N, Ginocchio D, Bianchi F, Feroldi S, Vedrodyova M, Mora G, Schindler A 2020 Neurogastroenterol. Motil. 32 e13859 doi: 10.1111/nmo.13859
    [75] Satake A, Kobayashi W, Tamura Y, Oyama T, Fukuta H, Inui A, Sawada K, Ihara K, Noguchi T, Murashita K, Nakaji S 2019 Clin. Interv. Aging 14 1643 doi: 10.2147/CIA.S212980
    [76] Yanagida R, Hara K, Namiki C, Okumura T, Saiki A, Nakagawa K, Yamaguchi K, Yoshimi K, Nakane A, Mauclaire J M, Tohara H 2023 Sci. Rep. 13 3289 doi: 10.1038/s41598-023-30450-0
    [77] Shieh W Y, Wang C M, Cheng H Y K, Ignatia Imbang T 2021 Sensors 21 2603 doi: 10.3390/s21082603
    [78] Marui S, Shimamoto T, Takehara M, Tamaoka K, Tsukahara T, Hidaka Y, Muramatsu Y, Sakamoto K 2025 Interdiscip. Cardiovasc. Thorac. Surg. 40 ivaf225 doi: 10.1093/icvts/ivaf225
    [79] Mizokami K, Tohyama S, Kanzaki H, Sasaki Y, Katayama M, Seki M, Rikitake H, Ueda S, Sekiya T, Tomonari H 2024 Clin. Exp. Dent. Res. 10 e70033 doi: 10.1002/cre2.70033
    [80] O’Connor-Reina C, Plaza G, Garcia-Iriarte M T, Ignacio-Garcia J M, Baptista P, Casado-Morente J C, De Vicente E 2020 Sleep Breath. 24 281 doi: 10.1007/s11325-019-01952-x
    [81] Menezes L F F, Rocha Neto A M, Paulino C E B, Laureano Filho J R, Studart-Pereira L M 2018 Rev. CEFAC 20 166 doi: 10.1590/1982-0216201820210917
    [82] Yu M, Gao X 2019 J. Oral Rehabil. 46 249 doi: 10.1111/joor.12741
    [83] Fukuoka T, Ono T, Hori K, Wada Y, Uchiyama Y, Kasama S, Yoshikawa H, Domen K 2019 Dysphagia 34 80 doi: 10.1007/s00455-018-9916-5
    [84] Iida T, Matsuo K, Iida Y, Okazaki H, Yoda M, Taniguchi H, Brodsky M B, Gonza ́lez-Ferna ́ndez M, Palmer J B 2023 Physiol. Behav. 270 114315 doi: 10.1016/j.physbeh.2023.114315
    [85] Kim H W, Nam H K, Jing T M, Yang D W, Lee Y G, Chae Y K, Hong S J, Kang S W, Kim Y J 2025 Virtual Phys. Prototyp. 20 e2499445 doi: 10.1080/17452759.2025.2499445
    [86] Wang S J, Feng Y J, Chen Y F, Zhang R, Huang Y Q 2016 Chin. J. Electron. 25 77 doi: 10.1049/cje.2016.01.012
    [87] Matsumoto H, Iitani K, Mitsubayashi K, Moriyama K 2025 Orthod. Craniofac. Res. 1 ocr. 70023
    [88] Nagasaki T, Kurihara-Okawa K, Okawa J, Nihara J, Takahashi K, Hori K, Fukui T, Ono T, Saito I 2024 J. Oral Rehabil. 51 1413 doi: 10.1111/joor.13712
    [89] Martinez G, Ventura L, Cugusi L, Cadeddu F, Limoncino M, Deriu F, Monticone M, Manca A 2022 Dysphagia 37 1217 doi: 10.1007/s00455-021-10381-6
    [90] Luo J S, Zhou T L, Zhang K B, Wen J X, Lan P S, Zhu Y F, Zhang W Z, Chen Z M, Yang D Y, Luo J Y 2025 IEEE Sens. J. 25 13927 doi: 10.1109/JSEN.2024.3523104
    [91] Hu J J, Chen Z M, Lao K T, Liang H P, Huang X P, Li Z D, Huang J C, Hu X Y, Liang B W, Ye D D, Wen J X, Luo J Y 2021 IEEE Sens. J. 21 17410 doi: 10.1109/JSEN.2021.3083674
    [92] Hu F M, Chen Z M, Xu B, Wang Q X, Huang X P, Yang H, Liang H P, Chen G N, Zheng J T, Hu X Y, Liang B W, Huang J C, Liu T H, Luo J Y 2022 Adv. Eng. Mater. 24 2101781 doi: 10.1002/adem.202101781
    [93] Usubiaga J E, Moya F, Wikinski J A, Wikinski R, Usubiaga L E 1967 Br. J. Anaesth. 39 943 doi: 10.1093/bja/39.12.943
    [94] Judge S E, Norman J 1982 Br. J. Pharmacol. 75 353 doi: 10.1111/j.1476-5381.1982.tb08793.x
    [95] Cuisance E D, Rioux J A 2004 Comp. Immunol. Microbiol. Infect. Dis. 27 377 doi: 10.1016/j.cimid.2004.03.007
    [96] Grimm K A, Lamont L A, Tranquilli W J, Greene S A, Robertson S A 2015 Veterinary Anesthesia and Analgesia (5th Ed.) (Ames, Iowa: John Wiley & Sons, Inc. ) pp0–8
    [97] Hahn G M 1987 Noninvasive Methods of Temperature Measurement // Physics and Technology of Hyperthermia (Dordrecht: Springer Netherlands) pp509–516
    [98] Webb A G 2002 Temperature Measurements Using Nuclear Magnetic Resonance // Annu. Rep. NMR Spectrosc.45 (Elsevier) pp1–67
    [99] Hand J W, Li Y, Hajnal J V 2010 Phys. Med. Biol. 55 913 doi: 10.1088/0031-9155/55/4/001
    [100] Knüttel B, Juretschke H P 1986 Temperature Measurements by Nuclear Magnetic Resonance and its Possible Use as a Means of In Vivo Noninvasive Temperature Measurement and for Hyperthermia Treatment Assessment//Locoregional High-Frequency Hyperthermia and Temperature Measurement (Berlin: Springer Berlin Heidelberg) pp109–118
    [101] Lefrant J Y, Muller L, Emmanuel J, Coussaye M, Benbabaali M, Lebris C, Zeitoun N, Mari C, Saïssi G, Ripart J, Eledjam J J 2003 Intensive Care Med. 29 414 doi: 10.1007/s00134-002-1619-5
    [102] Jia M, Wen J X, Lan P S, Liu B, Li S C, Zhou T L, Li Z, Luo J Y, Wu R H 2024 Adv. Sensor Res. 3 2300187 doi: 10.1002/adsr.202300187
    [103] Güntner A T, Abegg S, Königstein K, Gerber P A, Schmidt-Trucksäss A, Pratsinis S E 2019 ACS Sens. 4 268 doi: 10.1021/acssensors.8b00937
    [104] Andreozzi E, Centracchio J, Punzo V, Esposito D, Polley C, Gargiulo G D, Bifulco P 2021 Sensors 21 3996 doi: 10.3390/s21123996
    [105] Yin Z F, Yang Y, Hu C, Li J Z, Qin B Y, Yang X 2024 NPG Asia Mater. 16 8 doi: 10.1038/s41427-023-00513-9
    [106] 杨瑛琦, 李轲轶, 林桂阳, 林益华, 郑冠英, 谢宝松, 崔丽娜, 刘向阳 2025 物理学报 74 148702 doi: 10.7498/aps.74.20250433 Yang Y Q, Li K Y, Lin G Y, Lin Y H, Zheng G Y, Xie B S, Cui L N, Liu X Y 2025 Acta Phys. Sin. 74 148702 doi: 10.7498/aps.74.20250433
    [107] 卢昌盛, 蒋泽荣, 王晓, 李轲轶, 林桂阳, 杨瑛琦, 林益华, 郑冠英, 谢宝松, 刘向阳 2024 物理学报 73 038701 doi: 10.7498/aps.73.20231787 Lu C S, Jiang Z R, Wang X, Li K Y, Lin G Y, Yang Y Q, Lin Y H, Zheng G Y, Xie B S, Liu X Y 2024 Acta Phys. Sin. 73 038701 doi: 10.7498/aps.73.20231787
    [108] Finnsson E, Erlingsson E, Hlynsson H D, Valsdóttir V, Sigmarsdottir T B, Arnardóttir E, Sands S A, Ágústsson S Æ J, Islind A S, Ágústsson J S 2025 Sleep Breath. 29 155 doi: 10.1007/s11325-025-03325-z
    [109] Silva L, Dias M, Folgado D, Nunes M, Namburi P, Anthony B, Carvalho D, Carvalho M, Edelman E, Gamboa H 2022 Sensors 22 4247 doi: 10.3390/s22114247
    [110] Nilsson L M 2013 Anesth. Analg. 117 859 doi: 10.1213/ANE.0b013e31828098b2
    [111] Henricson J, Glasin J, Rindebratt S, Wilhelms D 2022 J. Biophotonics 15 e202100270 doi: 10.1002/jbio.202100270
    [112] Patino M, Kalin M, Griffin A, Minhajuddin A, Ding L, Williams T, Ishman S, Mahmoud M, Kurth C D, Szmuk P 2017 Anesth. Analg. 124 1937 doi: 10.1213/ANE.0000000000002062
    [113] Ge H, Qin H, Xue S, Liu E K, Zhang M Z, Bai Z X, Ma Y X 2021 Biomed. Signal Process. Control 70 102941 doi: 10.1016/j.bspc.2021.102941
    [114] Zhang H Q, Xu Y, Miao M, et al. 2026 J. Mater. Chem. A 1 1 doi: 10.1039/D5TA06800B
    [115] Hockett S, Dunbar S, Williams C, Sturdivant R, Garner B, Rylander J 2024 J. Biomech. 176 112310 doi: 10.1016/j.jbiomech.2024.112310
    [116] Wang Z H, Zhao T K, Qu C C, Zhang R, Li Z, Bai X X, He Z Z 2023 IEEE Sens. J. 23 30213 doi: 10.1109/JSEN.2023.3329879
    [117] Santos G, Wanderley M, Tavares T, Rocha A 2022 Sci. Data 9 545 doi: 10.1038/s41597-022-01638-2
    [118] Li Y Z, Chen Z M, Chen Y B, et al. 2023 Cell Rep. Phys. Sci. 4 101257 doi: 10.1016/j.xcrp.2023.101257
    [119] Shi G, Wang Y, Li S 2014 Sens. Transducers 172 1
    [120] Longo U G, De Salvatore S, Carnevale A, Tecce S M, Bandini B, Lalli A, Schena E, Denaro V 2022 Int. J. Environ. Res. Public Health 19 12033 doi: 10.3390/ijerph191912033
    [121] Liu J, Liao F, Chen Z M, et al. 2023 Adv. Intell. Syst. 5 2200337 doi: 10.1002/aisy.202200337
  • 加载中
图( 13)
计量
  • 文章访问数:  496
  • HTML全文浏览数:  496
  • PDF下载数:  9
  • 施引文献:  0
出版历程
  • 收稿日期:  2025-12-29
  • 刊出日期:  2026-05-20

医疗健康监测用柔性碳纤维传感器研究与应用

    通讯作者: E-mail: luojiany@wyu.edu.cn.; 
    通讯作者: E-mail: flyinghap@163.com.
    作者简介: 韩明位.E-mail: 3173638775@qq.com;共同第一作者 ; 刘贤哲. E-mail: liuxianzhe@wyu.edu.cn
  • 1. 五邑大学应用物理与材料学院, 柔性传感材料与器件研究中心, 江门　529020
  • 2. 广州碳思科技有限公司, 广州　511400
  • 收稿日期:  2025-12-29

摘要: 柔性碳纤维传感器作为柔性电子技术中的关键组成部分之一, 因其具有优异的导电性、机械柔韧性、化学稳定性和生物相容性等优势, 在医疗诊断、运动健康与人机交互等领域具有广阔应用而备受关注. 本文系统综述了柔性碳纤维传感器在医疗健康监测领域中的最新研究进展, 从传感机理出发, 并结合结构设计, 对柔性碳纤维传感器的灵敏度、稳定性、线性度等性能和应用做了系统总结. 最后, 展望了碳纤维传感器在实际应用和发展过程中面临的一些挑战.

English Abstract

    全文HTML

    1.   引　言

    • 随着社会经济发展与全民健康意识的提升, 健康管理正从医疗机构的定时定点检测, 向日常场景的连续化、个性化监测升级. 然而, 传统刚性传感器受限于材质和结构导致的力学兼容性缺陷, 存在便携性差、无法长期贴肤佩戴的局限, 制约着健康管理的智能化转型. 近年来, 在新材料物性调控、微纳加工技术与人工智能算法的协同驱动下, 以轻便化、可穿戴为核心特征的柔性传感器, 依赖于传感材料的优异力学响应与压阻、热阻、压电等多物理量传感机制的协同适配[1-8], 通过与人体皮肤的紧密贴合, 成功实现了脉搏[9,10]、呼吸[11-13]、体温[14,15]、心率[16,17]、血压[18,19]等核心生理信号的实时、无创、高保真采集. 目前, 柔性传感器正逐步重塑健康监控[20-23]、医疗检测[24-27]以及人机交互[28-32]的技术范式, 为健康状态的量化评估、疾病的早期预警提供了底层数据支撑, 在日常健康管理、临床辅助诊疗等领域展现出极具潜力的应用前景.

      柔性传感器的性能主要取决于传感层的材料开发与结构设计, 目前传感层根据结构形态可分为薄膜型[33-37]、多孔型[38-42]和纤维型[43-47]. 薄膜型具有高表面积、均匀性好等优点, 但易达到检测阈值, 难以宽线性响应; 多孔型具有高孔隙率、低密度、质量轻等优点, 但一般厚度较大, 不易于集成; 相比于前两种类型, 纤维型凭借其独特的结构特性, 不仅灵敏度较高, 还具备可编织、易集成的显著优势, 可制备为柔性可穿戴式传感器, 实现与人体皮肤的紧密贴合. 在纤维材料中, 碳纤维具有优异的电子传输特性[43,44,48]、高机械强度与柔韧性[49,50]、卓越的化学稳定性[51-54]以及良好的生物相容性[55], 成为柔性传感器传感层的理想材料之一, 广泛应用于人体医疗健康监测[56-60]. 此外, 碳纤维可利用束或丝的结构特性, 依托压阻效应、热阻效应等核心物理传感机制, 实现对呼吸[61]、体温[62]、脉搏[63-65]、肌肉运动[66]、足底压力[67]等多维度生理与运动信号的高灵敏、长周期稳定检测(见图1), 解决了传统监测设备在柔性适配性与信号检测稳定性上的难题, 成为柔性电子与智能可穿戴领域的研究热点.

      目前, 柔性碳纤维传感器的研究已涵盖结构设计、性能优化、系统集成等多个维度, 但仍缺乏对物理传感机制-性能优化策略-医疗健康应用的系统性梳理. 本文聚焦柔性碳纤维传感器在医疗健康监测领域的最新研究进展, 首先系统梳理了柔性碳纤维传感器的核心物理传感机制; 随后, 重点介绍柔性碳纤维传感器基于材料/结构调控的性能优化路径及其在生物医疗、运动健康、人机交互领域的应用成果; 最后, 结合柔性电子的技术发展趋势, 深入讨论该类传感器在个性化医疗健康监测中面临的挑战、应用机遇及未来发展方向, 有望推动柔性电子、智能可穿戴及医疗健康监测交叉领域的发展.

    2.   柔性碳纤维传感器的传感机理

    • 柔性碳纤维传感器的传感特性源自于外界物理刺激与材料电子输运特性的耦合作用, 引发其电学特性的规律性变化, 进而实现物理量的定量感知. 依据目标检测物理量的类型差异, 其核心传感机理可分为应力传感与温度传感两大类[65].

      • 2.1.   应力传感机理

    • 碳纤维对压力、拉伸等机械刺激的传感响应主要归因于微观结构变化, 诱发的量子隧穿效应, 其核心是量子隧穿效应对传感器电阻特性的调控作用, 如图2所示. 从微观结构来看, 柔性碳纤维传感器的传感层(单根碳纤维束)通常由数千根直径为3—5 μm的碳纤维丝随机交织而成, 纤维丝之间形成数千个纳米级间隙, 构成“纤维-间隙-纤维”的离散导电网络. 根据量子隧穿效应, 电子在碳纤维丝间的隧穿概率与间隙距离呈现指数负相关, 因此径向电阻随间隙距离的变化关系可表示为[65,68]

      式中R⊥是径向电阻, R0是施加外力之前的初始电阻, k和C是常数, Δx是外力引起的压缩位移. 当受到径向压力时, 使得纤维丝之间的间隙减小, 隧穿概率呈指数级提升, 导致碳纤维束的径向电阻显著下降, 从而实现对微压力的高灵敏响应.

      • 2.2.   温度传感机理

    • 碳纤维对温度的传感响应主要归因于载流子输运过程中的杂质散射, 其核心是温度对载流子迁移率的调控作用, 如图3所示. 碳纤维的制备过程(如碳化、石墨化)中, 材料内部不可避免地引入杂质原子(如N, O)和产生晶格缺陷(如空位、位错)[69-72], 这些杂质与缺陷形成局域库仑势场, 对导电载流子(即电子)产生散射作用. 根据固体物理中载流子散射理论, 杂质散射对迁移率的影响满足μ ∝ T 3/2, 其中μ为载流子迁移率, T为热力学温度(K), 因此轴向电阻随温度的变化关系可表示为[65,73]

      式中, a和b是常数, T是开尔文温度. (2)式表明, 随着温度升高, 杂质散射作用减弱, 载流子迁移率提升, 轴向电阻RL呈T 3/2规律下降, 表现出稳定的负温度响应特性.

      值得注意的是, 碳纤维束的径向压阻与轴向热阻具有空间正交性. 径向压力主要通过调控纤维间间隙与接触面积实现压阻响应, 对轴向载流子输运过程的干扰可忽略不计; 而温度变化主要调控轴向载流子散射效率实现热阻响应, 对径向间隙的微观结构无显著扰动. 这一空间正交特性赋予单根碳纤维束压力-温度双模传感能力, 无需额外集成多个传感单元, 为可穿戴设备的微型化与集成化设计提供了新的路径选择.

    3.   医疗诊断与生理监测应用

    • 传统医疗模式往往是人体发生疾病状况以后, 才去医院进行治疗, 依赖医疗机构的阶段性检测, 存在早期预警缺失、生理数据碎片化、诊疗干预滞后等固有局限, 难以满足全民健康管理对早发现、早干预的核心需求. 柔性碳纤维传感器因其优异的力学适配性、高信号保真度及多物理量传感特性, 在医疗诊断与生理监测领域展现出独特优势. 结合临床诊断的实际需求, 研究团队以柔性碳纤维传感技术为核心, 研发了一系列柔性可穿戴设备与集成系统, 成功实现了对脉搏、舌压、体温等关键生理信号的采集、表征与分析, 其应用场景涵盖中医脉搏监测、吞咽功能评估、微创体温实时监测以及多模态生理信号集成监测.

      • 3.1.   中医脉诊数字化与远程诊断系统

    • 中医脉诊依赖医师指尖对桡动脉“寸、关、尺”三部位的力学触感辨识与临床经验判断, 存在信号解读主观性强、脉搏特征难以量化表征等固有局限, 严重制约了中医诊断的现代化转型与标准化推广进程. 为了实现脉搏信号的高保真、多维度量化采集, 柔性传感器需同时满足低压力区间(即模拟医师指尖轻/中/重按)的高灵敏度响应、与人体手部皮肤及桡动脉区域的力学适配性以及长期稳定的信号输出. 基于碳纤维束的径向压阻效应, Wei等[63]提出一种交叉碳纤维束结构的柔性压力传感器, 搭建以柔性手套为载体的便携式三通道脉搏监测系统. 该柔性压力传感器通过两根碳纤维束的十字交叉结构设计(图4(a)), 利用量子隧穿机制, 在低压力区间(<0.05 N)实现了高灵敏度(260.86 N–1); 此外, 在1.75 N的外力作用下, 传感器经过12000次循环测试仍保持性能稳定, 具备良好的耐久性与低迟滞特性(图4(b)). 为匹配中医“寸、关、尺”穴位的脉诊规范, 该传感器以柔性手套为载体, 在食指、中指、无名指指尖分别集成传感单元, 对应桡动脉寸口处的“寸、关、尺”三部位(图4(c)), 成功实现了模拟中医诊脉的多通道信号同步采集. 图4(d)显示了25岁不同性别志愿者及相同性别不同年龄志愿者的脉搏信号, 均存在显著差异, 该系统可以准确地捕获和识别随着施加力的不同位置、水平和方向以及监测对象的性别和年龄而变化的脉搏信号. 基于上述传感系统, Wei等[63]进一步构建了远程中医脉诊数字化平台, 患者在视频指导下佩戴传感手套后, 脉信号通过蓝牙实时同步至云端服务器, 经降噪处理后分发至医患终端(图4(e)). 医师可在终端上查看多通道脉搏的实时波形、幅值及特征参数(如脉率、脉宽), 实现远程脉诊评估. 该系统为中医脉诊的客观化数据积累、智能辅助模型构建提供了技术支撑, 有望推动中医诊断数字化与远程医疗的落地应用.

      • 3.2.   吞咽功能评估与舌压监测系统

    • 舌头是人体面部器官之一, 对语言表达、吞咽进食具有关键作用, 其功能受损常常会导致语言障碍、吞咽困难、阻塞性睡眠呼吸暂停和肌萎缩侧索硬化症等疾病, 将严重影响人们的身体健康与正常生活[74-82]. 舌压作为舌头力量的定量指标, 对舌头功能和上述疾病的评估至关重要. 当前舌压测量方法主要有视频荧光成像[83,84]和舌压传感器测量法[85-89]两种, 其中荧光成像对患者有辐射暴露的危险, 不适宜长期使用; 舌压传感器具有非侵入性, 不会对身体造成损伤, 且检测方法便捷、精准和长期稳定. 当前, 舌压传感技术长期被日本、韩国等国家垄断, 国内尚无成熟的舌压测量仪. Luo等[90]利用碳纤维径向电阻响应机制, 成功开发出一套舌压监测系统并成功实现了临床应用, 有望打破国外垄断、突破相关技术封锁. 该系统以碳纤维束为传感材料, 通过设计十字交叉结构提升传感器灵敏度, 将4个十字交叉结构串联, 借助级联放大效应拓宽传感器的压力测量范围[91](图5(a)), 结合微腔封装工艺[92], 最终成功制备出高灵敏度(1.2% kPa–1)和快速响应/恢复特性(响应时间300 ms、恢复时间600 ms)的柔性气压传感器(图5(b), (c)). 在此基础上, Luo等[90]搭建了口腔气囊舌压测量系统(图5(d)), 对30名不同年龄、性别的健康个体开展监测, 数据分析表明: 年轻人舌压显著高于老年人(与老年舌肌力量衰退相关), 男性舌压普遍高于女性(图5(e)). 为验证临床实用性, 将该传感器应用在了颌下腺炎术后患者的康复治疗中, 实现了对舌肌力量恢复进度的客观跟踪与量化, 临床数据显示患者舌压随康复周期稳步提升(图5(f)). 针对舌肌功能评估中对多区域压力分布表征的需求, Luo等[90]进一步设计7点阵列式舌压传感器(图5(g)), 构建多点舌压监测系统. 通过分析7个传感单元的压力变化数据(图5(h)), 可为吞咽功能动态评估与康复管理提供可靠、直观的量化支撑, 充分彰显了柔性碳纤维传感器在精准医疗与个性化健康监测领域的应用价值.

      • 3.3.   体核温度实时监测与麻醉管理

    • 在医疗手术等临床应用中, 麻醉剂、镇痛药的使用, 或患者患有感染性、非感染性疾病等情况, 均可能导致人体体核温度(即人体内部核心温度)发生异常改变, 进而增加手术相关风险. 因此, 在临床应用中对患者体核温度的精准监测十分必要[93-95]. 目前体核温度测量方法主要有侵入式和非侵入式[96,97]两种. 其中, 非侵入式主要是核磁测温[98-100], 具有无创伤优势, 但体积较大, 在手术等实操临床应用中操作不便; 侵入式一般是将温度传感器插入直肠、耳蜗、食道、肺动脉等体内[101], 核心温度值较准确, 但当前侵入式温度传感器适配性差, 对人体易产生较大创伤, 通过手术插入会带来感染和出血等风险; 热电偶温度传感器可以插入直肠以测量核心体温, 但会给身体带来不适或疼痛, 并可能干扰其正常的生理活动, 从而导致测量结果不准确. 为了确保体核温度的准确监测, Jia等[102]利用碳纤维的轴向热阻效应优势, 开发出一种超细植入式温度探针. 该温度探针利用单根碳纤维丝的结构设计(图6(a)), 有效规避了外界压力对碳纤维电阻的影响, 实现了体核温度的精准检测. 该温度探针的碳纤维丝直径5.4 μm, 整体封装后外径0.7 mm, 形似医用注射针头, 可便捷地植入皮下或血管内进行原位测温. 该温度探针精确、生物相容、体积小, 对人体几乎无创伤, 在25—40 ℃区间的热响应时间为2.4 s (图6(b)), 温度分辨率达0.1 ℃(图6(c)); 在–10—60 ℃范围内表现优异的长期稳定性(图6(d)). 此外, 探针在不同酸碱度(pH = 6—8)溶液中表现出良好的稳定性(图6(e)), 温度波动不超过±0.07 ℃, 适应人体体液环境. Jia等[102]基于该探针传感器搭建了一个温度采集系统, 该系统集成信号采集、无线传输与图形化软件界面, 支持实时显示与远程监控(图6(f)). Jia等[102]将探针植入小鼠肩胛皮下, 与红外测温只能获取体表温度相比, 该探针能提供更接近真实核心体温的准确读数, 显示了探针温度传感器的准确性(图6(g)). 为进一步验证在临床应用的实用性, 研究团队利用温度探针实时监测了不同剂量三溴乙醇麻醉剂作用下小鼠的体核温度与呼吸频率变化关系(图6(h)), 实验结果准确反映了麻醉深度与体温下降呈线性相关, 为临床评估麻醉效果、优化给药方案提供了重要的实时数据支持. 该系统实现了体核温度的精准监测, 展现了碳纤维传感器在手术期监护与精准麻醉管理中的独特优势.

      • 3.4.   多模态生理信号集成监测系统

    • 随着对慢性病的有效检测和健康知识的普及, 人体状态实时监测对健康管理非常重要. 当前可穿戴传感器可以精准监测人体脉搏、心率、体温和呼吸等生理信号, 在日常生活中能够为亚健康人群提供疾病早期预警或诊断. 但由于现有大多数传感器只能监测单个生理信号, 在实际应用中常需要同时监测多种生理信号, 才能够对人体健康状态进行评估. 因此, 在多生理信号监测时, 传感器存在便携困难、舒适性差和难以集成等问题. 基于碳纤维的径向压阻效应和轴向热阻效应, 研究团队开发了一种多模态柔性碳纤维传感器, 为全面评估人体状态提供了新的解决路径[62]. 该传感器采用两根不同长度碳纤维构筑的十字交叉结构设计(图7(a)), 形成压力感应结(图1(a)中蓝色区域); 该感应结可通过隧道电流效应感应外界施加的压力作用. 其中较长的碳纤维束(CFB)能够提升温度感应区(图1(a)中红色区域)的温度检测灵敏度. 同时, 传感器配置专用导电电路, 可通过切换阳极1与阳极2的连接方式, 实现压力与温度刺激信号的精准区分和独立传输, 且无信号串扰现象, 为多模态生理信号的同步精准采集奠定了硬件基础. 传感器最小检测力可至3 mN, 在过载力下具有很高的传感稳定性和良好的再现性(R2 = 0.99846), 能够有效捕捉动脉、静脉脉搏的微弱波动; 温度传感部分则在–130—130 ℃的宽范围内响应稳定, 在多次热循环中表现出良好的可逆性(图7(b)). 基于上述性能优势, Jin等[62]搭建了一套人体状态评估系统, 该系统分别在颈部、胸部、腋下、指尖布置传感器采集体温、血压、心率、呼吸频率4项核心生理指标, 可对运动、疲劳、兴奋和愤怒4种人体状态进行准确识别. 该人体状态评估系统为柔性电子在日常健康监测、情绪管理、中医现代化等领域的应用提供了重要参考.

    4.   运动健康与生理监测应用

    • 当前全民健康意识持续提升, 运动健身已成为日常主动健康管理的核心方式, 但运动过程中普遍存在的运动姿态不规范、体能训练方案缺乏个性化适配等问题, 易诱发肌肉拉伤、关节慢性劳损、体能消耗失衡等运动损伤与健康隐患, 反而偏离了健康运动的初衷. 研究团队以高灵敏度、强环境适应性的柔性碳纤维传感技术为核心, 成功研发了系列柔性可穿戴运动监测系统, 涵盖水下呼吸监测系统、足底压力分布监测系统及关节-肌肉协同运动监测系统, 实现了对呼吸节律、步态特征、关节运动轨迹与肌肉激活状态等多维度运动生理信号的高时空分辨率精准捕捉与实时分析, 为运动人群提供实时状态评估、训练方案动态优化以及运动损伤预防提供量化数据支撑, 有效推动了运动健康管理的智能化转型.

      • 4.1.   多场景呼吸监测与游泳指导

    • 呼吸作为核心生命体征之一, 其在慢性呼吸道疾病管理(如睡眠呼吸暂停综合征、肺炎、支气管炎、哮喘)和运动科学指导(如跑步、游泳、潜水等活动)中具有不可替代的作用[103-107]. 目前呼吸监测方法有呼吸感应体积描记法[108,109]、光电容积描记法[110,111]和胸阻抗法[112,113]三种, 其中呼吸感应容积描记法存在便携性差, 难以适配长期监测场景; 光电容积描记法受限于监测成本高等问题; 经胸阻抗测量法则面临电极的黏附性与防水性不足、阻抗信号失真等难题. 针对上述呼吸监测难点, He等[61]开发了一种具有波纹结构的可拉伸碳纤维应变传感器, 实现了多场景环境中的高精度呼吸监测. 该传感器在结构设计上突破传统应变传感器依赖柔性基底的局限, 采用双波纹碳纤维束串联形成悬浮结架构, 解决了与柔性基底的力学不适配问题, 通过特氟龙镀银铜线紧密缠绕碳纤维作为电极以保证运动中接触稳定性, 再经聚乙烯热缩管封装实现防水保护, 其结构直接集成于紧身运动服装, 可随胸腔伸缩自然形变, 精准捕捉呼吸引起的应变变化(见图8(a)). 该传感器防水性能经水洗10 h(1500 rad/min搅拌)及水下测试验证, 外部水分无法渗入, 且水下与空气中的应变响应一致性良好, 适配游泳等涉水运动监测; 在0—40%拉伸应变范围内展现出极高线性度, 能够覆盖游泳和跑步等运动中不同强度呼吸对应的胸腔应变; 同时在30%应变下进行5000次循环加载测试仍性能稳定(图8(b)); 此外, 传感器的双螺旋结构设计使其摆脱了传统基板造成的力学不适配性, 并且成功实现了仅对拉伸应变敏感, 能有效排除运动中摆臂、身体扭曲等动作的干扰, 可应对长期体能训练中的反复形变需求(见图8(c)). He等[61]将碳纤维应变传感器集成于紧身运动内衣的胸腔区域, 构建了一套智能无线呼吸监测系统. 实验表明, 水下呼吸信号幅度显著高于空气中, 符合胸腔克服水压的生理机制, 系统还能清晰记录并分析游泳者在换气以及蛙泳中一划一呼吸、两划一呼吸和三划一呼吸等不同呼吸策略下的吸气、屏气与呼气过程(图8(d)), 并能远程实时记录游泳过程中的呼吸状态演变, 为量化评估运动员的呼吸效率、制定个性化呼吸节奏训练方案提供了直接的数据支持.

      • 4.2.   足底压力监测与动作指导

    • 步态作为承载人体健康状态与运动特征的核心信息载体, 在健康评估(如早期帕金森病的小步慢走特征识别)、运动量化分析(如跑步姿势矫正、跳跃稳定性)、下肢损伤风险(如足底筋膜炎、膝关节劳损)和术后康复效果中具有重要参考价值. 而足底压力作为步态分析的关键参数, 其幅度与分布变化不仅能反映站立、行走姿势及运动状态, 更可有效预测和诊断糖尿病足病变、腰椎退行性疾病等健康问题. 当前步态监测方法主要有三维(3D)光学运动捕捉、压敏步行捕捉和可穿戴传感器捕捉3种方法[114-117]. 前两类方法存在设备笨重、空间与时间限制; 惯性测量方法难以精准检测步态数据. 集成压敏传感器的智能鞋垫操作便捷、可直接反映足底压力变化, 但智能鞋垫应用仍面临压力检测范围不足、空间分辨率偏低和运动识别方法复杂等问题. 利用碳纤维高机械稳定性和宽压力量程等特点, Li等[67]开发出了一套高空间分辨率的智能鞋垫系统. 该鞋垫由104个十字交叉结构的压阻式传感器阵列组成, 具有0—1600 kPa的宽压力检测范围(图9(a)), 在此基础上搭建的系统, 可实时生成足底压力分布图, 适用于动态步态与姿势分析(图9(b)). 在静态足底压力监测方面, 在太极拳“白鹤亮翅”的招式转换中, 系统清晰展示了不同姿势下足底压力分布和重心的细微变化; 在模拟步枪射击立姿时, 该系统甚至能检测出因身体轻微倾斜导致的29.7 mm和23.8 mm的重心偏移, 这对于需要稳定性的射击、射箭等项目的姿态校正至关重要(图9(c)). 在动态足底压力监测方面, 通过记录行走、跳绳、跳远、高尔夫挥杆及后仰摔倒等多种运动, 得出足部不同区域(前掌、中足、后跟)压力随时间的变化曲线, 实现了对步态和运动模式的远程实时可视化分析(图9(d)). 通过对足底压力分布特征的分析, Li等[67]进一步提出了一种基于足底压力分布区域化和数字化的运动识别方法, 将双足划分为6个区域, 并根据压力存在与否(“1”或“0”)生成特定的代码序列(图9(e)). 该智能鞋垫无需复杂的机器学习算法和大量数据训练, 即可快速识别行走、太极、高尔夫、跳远、跳绳和后仰摔倒6种预定义运动(图9(f)), 平均识别准确率达到了83.32%(图9(g)). 该智能鞋垫系统充分体现了碳纤维传感器在运动健康领域应用的高可靠性、环境适应性与功能集成性, 为科学化训练、运动损伤预防提供了研究基础.

      • 4.3.   关节-肌肉状态监测与运动评估

    • 随着我国经济水平的提升, 居民生活水平也逐渐提高, 导致大多数居民体重水平远超健康水平, 易导致心脑血管疾病、糖尿病和部分癌症等慢性病. 为加强干预和改善居民体重水平, 政府主导制定了《健康中国行动(2019—2030)》方案, 并启动了“体重管理年”活动. 然而, 居民在日常运动训练中, 由于健康运动知识的缺乏与不匹配, 往往造成运动者身体不可逆损伤, 带来相反的运动效果. 可穿戴纤维传感器具有柔韧性和弯曲电阻响应, 通过其紧密贴合人体皮肤或关节, 在运动姿态不规范、体能训练不安全处及时规范提醒运动者矫正姿态和规避危险, 防止不必要的运动损伤. 然而, 纤维传感器大多只具有单一传感功能(如主要专注于检测单个弯曲方向), 不能满足人体复杂运动的多向弯曲检测. 因此, Li等[66]基于碳纤维压阻原理开发一个简单的H型结构模型的多向弯曲传感器. 该传感器利用H型结构带来的多个钩状连接节, 在传感器随身体运动变化时, 实现了比十字交叉型更高的弯曲灵敏响应(图10(a)). 在结合表皮在运动中的拉伸‑压缩应变特性, H型结构传感器可以实现对关节弯曲方向与肌肉收缩状态的同步识别. 该传感器在小应变范围内表现出高灵敏度(外向弯曲30°时电阻变化率下降约50%)、高线性度(R2 = 0.99142)及优异的循环稳定性(>10000次)(图10(b)). 在运动评估与体能训练中, 该传感器能够对大尺寸关节运动与细微肌肉收缩进行监测. 针对关节运动监测, 将传感器直接贴附于手指、腕、肘及膝等核心运动关节, 可实时捕捉关节弯曲角度(如深蹲时膝关节从0°到90°的屈曲过程)与方向. 针对肌肉收缩监测, 该传感器通过单通道或多通道布局于目标肌群表皮, 可捕捉到站立举哑铃、摆臂举哑铃、俯卧撑和肩推等不同健身动作中肌肉的应变差异, 帮助判断动作对目标肌肉的刺激效率, 这对体能训练中针对性强化目标肌肉和避免肌肉损伤具有重要实际意义(图10(c)). 该传感器凭借高灵敏度、双向应变识别能力、良好线性响应及循环耐久性, 实现了对关节运动轨迹与肌肉收缩微应变的实时、精准、可穿戴式监测, 为运动技能分析、负荷监控、疲劳评估与康复指导提供了可靠的研究参考.

    5.   人机交互与智能仿生应用

    • 随着人工智能物联网(AIOT)的快速发展, 机器人在远程疾病诊断、医疗手术及人们日常运动健康指导方面发挥着越来越重要的作用. Li等[118]以柔性碳纤维传感器为核心, 先后研制出智能仿生手指触觉系统、多关节运动捕捉系统及全身运动数字化平台, 实现了从物体表面结构识别、手势与抓取动作解析到全身运动实时复现等多层次人机交互功能. 这些工作推动了柔性传感技术在机器人远程医疗诊断和虚拟现实动作指导等领域的应用.

      • 5.1.   电子皮肤与触觉感知系统

    • 随着科技不断发展, 一些技术性和危险工作正在被机器人代替, 如远程医疗手术、智能化医疗等. 机器人通过触觉传感器可以获取材料的表面信息(如形状、纹理、刚度等), 但实际应用中材料次表面或内部信息(如生物组织病变、封装器件内部结构)同样关键, 现有触觉技术缺乏这类深层感知能力. 为此, Li等[118]开发了一种基于碳纤维束的仿生手触觉传感器. 该传感器模仿人类手指的触觉机制, 以碳纤维束为仿生机械感受器, 通过采用圆环形状阵列多个单根碳纤维束传感单元结构设计, 防止由于接触面积较大时, 单个传感单元无法对外部压力进行精准测量, 利用径向电阻响应实现了高灵敏度(S = 62.9 N–1), 优异的线性响应(R2 = 0.99161)(图11(a)). 通过设置不同压力阈值逐层扫描, 该传感器可重建不同硬度的物体内部三维结构, 通过将仿生手指触摸不同硬度材料, 可识别出不同比例的硅胶硬度(图11(b)). 另外, 该仿生手指还可以实现模拟人体的触觉断层扫描, 将正交三层结构模拟为骨架, 在骨架上覆盖一层柔性硅胶, 当仿生手指分别以46 kPa, 62 kPa和134 kPa的压力扫描模拟人体结构时, 能够精准识别显示出不同深度3D图像和投影(图11(c)). 在封装于硅胶层的柔性电路中, 传统光学方法难以观察到内部导线与元件布局, 该仿生手指可在129 kPa阈值下成功重建其三维结构, 清晰呈现各层元件、导线及孔洞分布, 并可识别制造缺陷如导线断裂或钻孔错误(图11(d)). 该触觉传感器对材料软度与厚度具有良好适应性, 尤其适用于接近人体组织软度的多层结构成像, 为皮下监测、植入设备内部感知等提供了非侵入式研究基础(图11(e)). 此外, 该系统融合传感、信号处理与三维重建技术, 实现了对复杂结构内部信息的触觉层析, 弥补了现有电子皮肤在亚表面感知方面的不足, 为机器人精细操作、穿戴设备健康监测及软体机器人交互提供了新的感知路径.

      • 5.2.   人体运动捕捉与虚拟交互

    • 捕捉人体运动姿态并进行网络化重塑和识别, 在人机交互、运动指导和康复治疗中具有重要作用. 目前有光学捕捉技术和可穿戴传感器技术两种方法[119,120], 光学捕捉方法精确可靠, 但高速摄像头价格昂贵且需要后期进行大量数据处理, 此外还易受运动空间照明限制, 仅能提供运动姿势信息; 柔性可穿戴应变传感器能够捕获准确的运动姿态, 且不受空间照明限制, 未来具有替代光学捕捉方法的可能性. 但现有柔性应变传感器强烈依赖传感材料的可拉伸性, 对肌肉收缩等微妙应变运动缺乏敏感性, 难以实现人体运动的精准数字化. Huang等[65]利用碳纤维束的径向压阻效应, 开发了一套基于碳纤维弯曲传感器的人体运动捕捉与手势识别系统. 该传感器采用K型结构设计, 保证了在弯曲过程中两根碳纤维束的接触点不易滑移, 传感器受力对称且均匀, 性能稳定. 传感器电阻随弯曲程度变化线性高(R2 = 0.99497), 同时具备0.5°的高角度分辨率、低滞后性与长期循环稳定性(>50000次) (图12(a), (b)). 通过在人体关键关节布置多组传感器, 系统可实时捕捉手指、腕部、肘部等关节的弯曲角度与方向, 实现对人体手势与抓取动作的精细化数字化重构. 该系统通过14个传感器布置于手部与腕部, 能够准确识别多种静态与动态手势, 并实时转化为机器人可执行的指令序列, 实现了手势识别与动作重现(图12(c)). 进一步地, 结合9个附加传感器同步监测上肢关节运动与肌肉协同, 系统可完整记录抓取过程中的力分布、运动轨迹与协调模式, 实现了对人体上肢抓取行为解析(图12(d)). 采集的人体运动数据经处理后可直接驱动仿人机器人完成相应动作, 实现从人体姿态到机器人执行的自然转化, 为人机协作、远程操控与康复训练等领域提供了高保真的运动交互方案. 该系统体现了碳纤维柔性传感器在多自由度运动感知与实时交互中的优势, 为人形机器人运动控制、虚拟操作与智能协作场景提供了可靠、可穿戴的传感与数据基础.

      然而, 可穿戴传感器常因界面滑移引起信号滞后与运动伪影等问题. 为了解决传感器与皮肤间的力学适配, Huang等[64]通过PDMS‑Span 80黏合膜开发了一套基于柔性碳纤维传感器的全身运动捕捉系统. 该黏合膜实现了传感器与皮肤间的力学适配, 显著减少了因界面滑移引起的信号滞后, 通过整合多通道碳纤维弯曲传感器、信号采集处理、蓝牙无线通信及PC显示等模块, 实现了全身运动捕捉与数字化应用(图13(a)). 此外, 系统在肩、肘、腕、膝、踝等十大关键关节点布置碳纤维柔性弯曲传感器, 可实时捕捉多关节运动角度与方向(图13(b)), 成功实现了对中国功夫八段锦整套动作的精细数字化记录(图13(c)). 所有传感器数据经采集与无线传输后, 通过专用算法实时映射为关节角度, 并在数字人体模型中同步复现, 整体动作捕捉准确率超过95%(图13(d)). 该成果突显了碳纤维传感器在多自由度、动态全身运动捕捉中的高可靠性与信号保真度, 为虚拟现实、运动分析、远程康复指导及数字孪生等沉浸式人机交互场景提供了新的柔性传感方法.

    6.   总结与展望

    • 本文系统综述了柔性碳纤维传感器在医疗健康监测应用的研究进展, 重点分析了基于量子隧穿与杂质散射的应力/温度传感机理, 且二者空间正交的特性支持碳纤维双模传感, 为柔性可穿戴传感器的微型化、集成化提供关键支撑. 通过结构创新设计与传感系统优化, 研究者已成功开发出兼具高灵敏度与高稳定性的柔性碳纤维传感器, 并在多领域实现了创新性应用. 在医疗诊断领域, 该类传感器成功实现了中医脉诊数字化、吞咽功能舌压定量监测、体核温度精准检测及多模态生理信号集成采集, 有效破解了传统医疗监测中主观性强、侵入性操作的难题; 在运动健康领域, 水下呼吸状态监测系统、足底压力步态分析设备及关节-肌肉协同运动评估平台的开发, 为科学训练方案制定与运动损伤预防提供了量化依据; 在人机交互领域, 基于柔性碳纤维传感器的电子皮肤触觉感知系统、机器人手势识别模块及全身运动数字化平台, 显著提升了交互过程的精准度与沉浸感, 为远程医疗诊断与虚拟交互技术的升级奠定了基础. 尽管柔性碳纤维传感器已经取得了显著的成就, 但目前仍然面临一些挑战.

      1)制备工艺与产业化转化存在瓶颈. 柔性碳纤维束的蓬松特性使其与不同柔性基底复合时, 易产生力学失配现象, 进而导致压力传感失敏. 传感器实验制备阶段存在一致性差、性能偏差较大的问题, 且缺乏成熟的集成制备工艺, 尚未实现从实验室制备向规模化批量生产的有效转化, 产业化发展受阻.

      2)性能提升与环境适应性优化亟待突破. 需通过深入探索碳纤维合成机制、开发多元素掺杂方法等材料改性手段, 定向优化传感性能并实现多机制协同增效; 同时优化封装技术解决极端环境下信号漂移、性能衰减问题, 创新纤维编织工艺改善复合结构力学兼容性, 全面提升传感器的环境适应性与结构适配性.

      展望未来, 柔性碳纤维传感器的发展将深度依托跨学科融合创新. 通过整合人工智能算法、机器学习技术与柔性系统集成方案, 该类传感器有望在个性化医疗诊断、智能康复器械研发、高性能软体机器人制造、数字健康管理及远程健康监测等领域实现更广泛的应用, 为人机融合场景落地与精准健康管理体系构建提供创新性技术支撑与实用化解决方案. 未来研究将持续聚焦材料性能优化、结构设计创新与系统集成升级, 推动健康管理模式向更智能、更个性化、更便捷的方向稳步迈进.

    参考文献 (121)

目录

/

返回文章
返回