深度学习增强的金属有机框架电子皮肤在健康监测中的应用

学术背景

电子皮肤（e-skin）是一种能够感知生理和环境刺激的技术，模拟人类皮肤的功能。近年来，电子皮肤在机器人、运动科学和医疗健康监测等领域的应用潜力逐渐显现。然而，当前的电子皮肤技术面临着一些挑战：首先是多功能的实现，即如何在一个设备中同时检测多种生理信号（如生物分子、运动信号等）；其次是信号的区分问题，尤其是在同时检测多种刺激时，如何准确区分并识别不同的信号。

传统的多功能电子皮肤通常需要整合多种传感材料，这不仅增加了制造的复杂性，还可能导致设备性能不稳定。此外，现有的电子皮肤在信号的信噪比、灵敏度和稳定性方面也存在不足。因此，开发一种高性能、多功能且易于制造的电子皮肤成为了研究的焦点。

金属有机框架（Metal-Organic Frameworks, MOFs）由于其独特的电化学性质、开放的孔隙结构和高度的可定制性，被认为是一种有前途的传感材料。然而，MOF膜的制备往往面临稳定性和连续性的挑战。为了克服这些限制，研究人员探索了新的制备方法，如原子层沉积（Atomic Layer Deposition, ALD），以提高MOF膜的质量和性能。

论文来源

这篇论文由柯昕逸（Xinyi Ke）、段逸凡（Yifan Duan）、段逸非（Yifei Duan）等人撰写，来自复旦大学、东华大学等多家研究机构，于2025年4月18日发表在期刊《Device》上（DOI: 10.1016/j.device.2024.100650）。论文的主题是“深度学习增强的金属有机框架电子皮肤在健康监测中的应用”。

研究概述

该研究提出了一种基于自锁壳聚糖膜和导电MOF膜的多功能电子皮肤，能够同时检测乳酸、葡萄糖和运动信号。借助深度学习中的Transformer神经网络，该电子皮肤能够精确识别和区分不同的信号，尤其是面部微表情的识别。这一技术代表了电子皮肤领域的重要进展，提升了其在健康监测中的全面性和精确性。

研究流程

1. 材料制备与表征：

   • 首先，研究团队从蟹壳中提取壳聚糖纤维，制备自锁壳聚糖膜。
   • 然后，通过原子层沉积（ALD）在壳聚糖膜上沉积氧化锌（ZnO）纳米膜，作为MOF膜生长的诱导层。
   • 接着，使用ALD辅助的组装方法在壳聚糖膜上生长导电MOF（Cu-HHTP）膜，确保其均匀性和附着力。

2. 电子皮肤的制造：

   • 将Cu-HHTP膜与壳聚糖膜结合，形成电子皮肤的基础结构。
   • 通过在电子皮肤上沉积金电极，形成传感器阵列，用于信号输出。

3. 性能测试：

   • 研究团队对电子皮肤的机械性能、电化学性能和传感性能进行了详细测试。
   • 测试包括生物分子（乳酸和葡萄糖）的传感、心电图（ECG）信号的检测以及运动信号的识别。

4. 数据分析和深度学习应用：

   • 使用Transformer神经网络对电子皮肤输出的数据进行处理和分析，识别微表情和区分不同的刺激信号。

主要结果

1. 生物分子传感性能：

   • 电子皮肤对乳酸和葡萄糖表现出高灵敏度和低检测限。乳酸的检测灵敏度为11,480 µA mM⁻¹ cm⁻²，线性范围为0.001-2 mM，检测限为0.335 µM。
   • 葡萄糖的检测也表现出良好的线性范围和稳定性，且在干扰物质存在的情况下保持了较高的抗干扰能力。

2. 运动传感性能：

   • 电子皮肤能够检测到人体的微小运动，如弯曲、拉伸和压力变化。
   • 在800次加载-卸载循环测试中，电子皮肤表现出优异的长期稳定性。

3. 微表情识别：

   • 借助Transformer神经网络，电子皮肤能够准确识别不同的微表情，如哭泣、微笑和噘嘴等。
   • 深度学习技术的应用提高了信号分析的精确性，实现了复杂的运动模式识别。

结论与展望

该研究通过ALD辅助的组装方法制备了基于MOF膜的多功能电子皮肤，展示了其在生物分子传感、运动检测和微表情识别方面的优异性能。借助Transformer神经网络，电子皮肤能够精确区分不同的生理信号，进一步提升了其在健康监测中的应用价值。

未来的研究可以集中在以下几个方面：一是提高电子皮肤的可扩展性，以便大规模生产；二是引入自愈合和自适应材料，进一步提升设备的耐用性和适应性。随着机器学习模型的进一步发展，电子皮肤有望成为能够自主分析复杂生理数据的智能系统，推动医疗健康和人机交互技术的进步。

这项研究不仅为多功能电子皮肤的设计提供了新的思路，还为健康监测技术的未来发展奠定了基础。通过结合MOF材料和深度学习，电子皮肤在灵敏性、多功能性和信号处理能力方面取得了显著进步，具有广阔的应用前景。