随着人口老龄化和不良生活方式的影响，心血管疾病已成为现代社会导致死亡和残疾的主要原因，给全球医疗资源带来沉重负担。作为心血管健康状况的关键指标，血压在群体公共卫生监测和个体化临床管理中均发挥着核心作用。尽管柔性电子技术已应用于皮肤血流动力学信号传感，但在凹陷部位（如手腕）因皮肤与设备耦合不佳，导致运动伪影和长期佩戴舒适性受限，因此，连续血压监测的可靠性仍面临巨大挑战。
来自深圳技术大学的史济东等团队利用形状记忆聚合物的泡沫结构，设计了一款透气、全模块形态自适应的脉搏感应腕带。该新型设备展现出卓越的压力传感性能，在宽范围（0-700 kPa）内实现超高灵敏度（>2289.31 kPa⁻¹），同时具备超低检测限（0.16 Pa）和快速响应/恢复时间（1.64 ms/3.42 ms），从而能够高保真记录动脉脉搏信号。通过基于机器学习的算法处理脉搏波形，实现了连续血压监测，其收缩压/舒张压预测准确率分别达到97%和90%，超越了临床血压测量的标准。此外，腕带的全模块透气性和无压力的皮肤-传感器界面确保了长达24小时的长期佩戴舒适性，且不会引起皮肤刺激。尤为重要的是，形状记忆聚合物的引入显著优化了表皮系统的生物电子接口。所开发的脉搏感应腕带在人群规模的心血管健康管理方面展现出巨大潜力。相关工作以题为“Breathable Pulse Sensing Wristband With Full-Module Shape Adaptivity for Machine Learning-Assisted Continuous Blood Pressure Monitoring”的文章发表在2026年04月08日的期刊《Advanced Functional Materials》。
【创新型研究内容】
传统可穿戴设备存在的皮肤-设备耦合不佳问题，源于传统柔性基底材料（如聚二甲基硅氧烷）的高机械刚性，使其难以贴合手腕等凹陷皮肤表面。虽然已有多种策略（如微结构工程和化学修饰）被提出以改善皮肤与可穿戴设备间的界面粘附，但界面调控产生的过度粘附力常导致皮肤明显不适甚至损伤。本研究通过将形状记忆聚合物引入离子型压力传感器的构建，设计出具有全模块自适应贴合能力的脉搏感应腕带（图1a）。形状记忆聚合物是一类智能高分子材料，可在特定温度以上保持临时形变并恢复至预设永久形状。在脉搏监测场景中，可通过编程使形状记忆聚合物"记忆"个体化的手腕轮廓，其形状固定过程能消除接触界面的残余应力，从而确保长期佩戴时稳定、舒适且自适应的皮肤接触（图1a）。所制备的传感器系统在宽范围（0-700 kPa）内表现出高灵敏度（>2289.31 kPa⁻¹），同时具备超低检测限（0.16 Pa）和快速响应/恢复时间（1.64 ms/3.42 ms）。因此，该传感器能够高保真连续记录动脉脉搏信号，再通过机器学习方法处理后，可实现连续、长期的血压水平在线监测（图1a），其收缩压/舒张压估算准确率分别达到97%和90%。此外，无压力的人机界面和全透气结构赋予腕带优异的生物相容性与生物安全性（图1a）。综合这些特性，本血压监测系统在个人日常心血管健康管理领域展现出巨大潜力。
图1 脉搏感应腕带的设计
为合成形状记忆聚氨酯，本文采用了两步聚合法（图2a）。在预聚合阶段，六亚甲基二异氰酸酯一侧的羟基与氰基反应形成氨基甲酸酯基团；在随后的链增长阶段，1,4-丁二醇的两个羟基分别与两个聚氨酯前体短链另一端的氰基反应，从而构建出长链聚氨酯的主链结构。由于六亚甲基二异氰酸酯与羟基间的相互作用，所得聚合物呈现微相分离结构：高极性的氨基甲酸酯键形成具有显著空间位阻和强内聚力的刚性链段，构成材料的基本骨架；而聚己内酯链则作为可切换的柔性软链段。通过X射线衍射图谱的峰解卷积拟合，所制备的聚氨酯泡沫具有半结晶结构，在干燥（相对湿度30%）和湿润（相对湿度100%）环境下的结晶度分别为48.36%和49.06%。当温度超过软相熔点（Tm）时，分子链运动能力显著增强，使聚合物可塑性变形为任意形状；冷却至Tm以下后，软链段固化将限制分子链运动，从而锁定变形构型。
图2 SMP的分子结构与特性
当形状记忆聚氨酯泡沫浸渍离子液体后，离子液体中的阳离子和阴离子可通过泡沫孔隙扩散，形成均匀的离子层（图3a）。在整合离子液体与银纳米线后，聚氨酯泡沫的形状记忆特性得以保留（图3b），其形状恢复速度变化极小。压力传感模块通过将离子层夹覆于两个柔性电极之间构建而成。本文通过有限元分析模拟了聚氨酯泡沫在压缩载荷（0-400 kPa）下的结构演变与应力分布。随着压力增加，泡沫被挤压，孔隙逐渐塌陷并出现应力集中现象（图3c）。这一过程从两方面显著提升了电容性能：一方面，电极与离子层界面的空隙在压力作用下被压平，接触面积大幅增加；另一方面，泡沫内部密实度与应力的提升能显著促进离子扩散，从而提高离子层的介电常数。
图3 基于SMP的压力传感器的设计与性能
基于卓越的压力传感性能，该器件被集成至形状记忆腕带中，实现可穿戴脉搏记录及血压监测功能。腕带初始长度为13.6毫米，在转变温度以上可轻松塑性拉伸至19.3毫米。通过冷却至转变温度以下，该形变可被固定，从而实现13.6至19.3毫米范围内的定制化长度调节，以适配三名不同腕围尺寸的志愿者（图4a）。此外，热力学有利的形状固定机制使附着皮肤承受的残余应力最小化。结合聚氨酯材料固有的生物安全性及全模块多孔结构带来的高透气性，该腕带在连续佩戴24小时后未引发皮肤不良反应（如红肿、过敏等）（图4b）。
图4 形状记忆腕带在动脉脉搏监测中的应用
通过机器学习算法对腕带记录的高保真脉搏波形进行统计处理，可推导出收缩压与舒张压（图5a）。在通过经验模态分解进行基线漂移补偿和噪声消除后，从精炼波形中提取特征值，并利用XGBoost模型基于这些特征完成血压预测。训练过程中，输入420组来自脉搏波形的特征值及其对应的商用血压计测量的“真实”血压值进行模型拟合。这420组数据来自21名不同性别与身体状况的志愿者，共同用于模型训练。虽然样本量小于典型的大规模计算机视觉数据集，但对于可穿戴血压监测传感器的相关研究而言具有代表性规模。此外，通过多种统计处理策略，包括：（1）选取15个与血压相关的关键特征进行降维；（2）选用XGBoost模型而非深度神经网络；（3）采用严格的数据集划分策略。随着训练周期增加，准确率因特征扩充初期下降，随后逐渐回升，在约700个周期时恢复至>90%。最终模型输出420组计算血压值，每组计算值/测量值在散点图中呈现为数据点。通过标注y=x参考线评估计算值与测量值的偏差，可见所有散点紧密分布在参考线周围，验证了算法将特征值转换为血压水平的有效性。
图5 机器学习辅助的脉搏感应腕带血压监测流程
【总结与展望】
综上所述，本研究成功制备出具有全模块形状记忆特性的脉搏传感腕带，以解决传统可穿戴脉搏传感器存在的皮肤-器件耦合不良问题。该新型器件展现出卓越的压力传感性能：超高灵敏度（>2289.31 kPa⁻¹）、宽工作范围（0-700 kPa）、低检测限（0.16 Pa）以及快速响应/恢复动态（1.64 ms/3.42 ms）。此外，形状记忆特性与全模块透气结构赋予腕带长期佩戴的生物安全性（24小时）。该腕带能精准记录动脉脉搏，并通过基于机器学习的脉搏波形处理算法实现连续血压监测，其收缩压/舒张压评估准确率分别达到97%/90%，超越临床血压测量标准。值得注意的是，本研究通过将形状记忆聚合物引入可穿戴设备构建，为改善人机界面提供了切实可行的解决方案，并为个体与群体层面的持续心血管监测建立了稳健的技术平台。
参考资料：
https://doi.org/10.1002/adfm.75298
来源：EngineeringForLife
声明：仅代表作者个人观点，用于研究用途，作者水平有限，如有不科学之处，请在下方留言指正！
