一种基于离子动力学的喷墨打印有机电化学晶体管阵列用于汗液指纹识别
基于离子动力学的汗液指纹识别技术：喷墨打印有机电化学晶体管阵列的研究
学术背景
汗液作为一种非侵入性的生物标志物，蕴含着丰富的生理信息，能够反映人体的健康状况，如水分平衡、疾病标志物等。然而，汗液成分复杂，包含多种离子和分子，传统的汗液监测设备通常依赖于具有特定生物识别元件（如离子选择性膜和酶）的传感器，这些传感器需要通过复杂的化学修饰来选择性结合特定的离子或分子。然而，这种复杂的化学修饰过程可能导致信号漂移和干扰，限制了其广泛应用。为了解决这一问题，研究者提出了一种基于离子动力学的汗液指纹识别策略，结合喷墨打印的有机电化学晶体管（Organic Electrochemical Transistor, OECT）阵列和人工智能算法，实现了对汗液成分的高效检测和分析。
论文来源
该研究由来自Peking University的Yuanlong Shao、Soochow University的Lizhen Huang及Fudan University的Ming Wang等作者共同完成，并于2025年4月18日发表在Device期刊上，论文标题为《An Inkjet-Printable Organic Electrochemical Transistor Array with Differentiated Ion Dynamics for Sweat Fingerprint Identification》。该研究得到了中国国家自然科学基金等项目的支持。
研究流程与结果
1. 喷墨打印多孔薄膜的制备
研究首先通过喷墨打印技术制备了具有不同离子动力学的OECT阵列。研究者优化了打印过程，使用包括PEDOT:PSS、高沸点乙二醇（Ethylene Glycol, EG）和表面活性剂Triton X-100的复合墨水，通过非接触式增材制造技术，将墨水喷射到基板上形成多孔薄膜。通过控制基板温度和液滴间距，实现了高精度（<70微米）的PEDOT:PSS图案打印。为了调控薄膜的微观结构，研究者还通过溶剂蒸发差异触发了PEDOT:PSS的局部聚集和相分离，形成了3D互连多孔（3D-interconnected Porous, 3D-IP）薄膜，并通过二甲基亚砜（DMSO）后处理形成了板状多孔（Tubular Porous, TP）薄膜。
2. OECT阵列的构建与电化学性能表征
基于3D-IP和TP薄膜，研究者构建了全喷墨打印的OECT阵列。通过电化学测试，研究者发现3D-IP-OECT具有更快的离子嵌入动力学，而TP-OECT则表现出更慢的离子嵌入行为。这两种薄膜的离子动力学差异被用于构建离子动力学差异化传感阵列，实现了对汗液成分的差异化动态电化学响应。此外，研究还通过卷积神经网络（Convolutional Neural Network, CNN）模型对汗液指纹进行分类，成功区分了6种人工汗液样本和4种真实汗液样本，准确率分别达到95.0%和98.0%。
3. 柔性汗液传感系统的开发
研究进一步开发了柔性无线多通道汗液传感系统，包括喷墨打印的OECT阵列、微流控模块、适配电路板、无线多通道测试电路板和移动应用程序。该系统能够实时收集汗液指纹数据，并通过无线传输将数据传输到移动应用程序进行显示。该系统具有良好的柔性，能够适应人体不同部位的形变，并且在环境条件下进行了600次汗液测量后，传感性能无明显下降。
4. AI辅助的汗液指纹识别
为了从复杂的汗液指纹中提取有效信息，研究者采用了AI算法进行数据分析。通过CNN模型，研究者成功从8个传感器的电流-时间（I-t）曲线中提取了10个离散时间点的数据，形成了一个8×10的汗液指纹模式，用于训练AI模型。通过300次训练，模型在对人工汗液样本的识别中达到了95.0%的准确率，在对真实汗液样本的识别中达到了98.0%的准确率。此外，研究者还通过Shapley Additive Explanation（SHAP）分析评估了每个传感器对模型的贡献，发现每个传感器都包含对模型预测有益的非重叠信息，从而增强了模型的抗干扰能力和鲁棒性。
结论与意义
该研究提出了一种基于离子动力学的汗液指纹识别策略，通过喷墨打印的OECT阵列结合AI算法，实现了对汗液成分的高效检测和分析。这一技术为健康监测、疾病识别以及潜在的个体识别提供了非侵入性的解决方案。OECT的稳定性得益于其本征的离子动力学设计，而不是依赖于外部修饰，从而有效减少了信号干扰。该研究还展示了喷墨打印技术的可扩展性和低成本潜力，为未来开发更小型的可穿戴设备提供了可能。
研究亮点
- 创新的离子动力学策略：通过设计不同微观结构的OECT通道，实现了对汗液成分的差异化动态电化学响应。
- 喷墨打印技术：采用喷墨打印技术制备了高精度的OECT阵列，展示了该技术在可穿戴设备中的潜力。
- AI辅助的汗液识别：通过CNN模型成功区分了多种汗液样本，展示了AI算法在复杂生物信号解耦中的应用价值。
- 柔性无线传感系统：开发了柔性无线多通道汗液传感系统，能够实时监测和分析汗液成分。
该研究不仅在科学上推动了汗液传感技术的发展，还在应用上为非侵入性健康监测提供了新的工具，具有重要的临床和市场化潜力。