首页 > 新闻中心 > 技术文章

西安交通大学蒋庄德院士团队：基于惯性传感器的呼吸测量技术综述丨JME文章推荐

作者：乐鱼官网登录页面来源：乐鱼注册网页版发布时间：2024-12-22 11:47:45 浏览量：

方续东, 邓武彬, 吴祖堂, 李进, 吴晨, 前田龙太郎, 田边, 赵立波, 林启敬, 张仲恺, 韩香广, 蒋庄德. 基于惯性传感器的呼吸测量技术综述[J]. 机械工程学报, 2024, 60(20): 1-23.

随着对疾病预测和诊断需求的一直增长，面向人民生命健康的科学技术创新成为迫切需求，监测生理信号的可穿戴装备慢慢的受到关注。呼吸是反映人体生理状态的重要参数，例如肺炎、睡眠呼吸暂停综合征、肺栓塞等重大疾病往往伴随着人体呼吸参数的变化，监测呼吸参数可以有效地预测和诊断相关疾病，但其可穿戴监测技术尚且还没有取得显著进展。惯性传感器由于低侵入性、重量轻等优点，很适合开发成监测呼吸信号的可穿戴装备。西安交通大学蒋庄德院士团队首先从惯性传感器监测呼吸的发展历史展开，详细论述了惯性传感器监测呼吸的四个发展阶段(呼吸波形的提取、呼吸暂停的识别、睡眠姿态识别以及走跑时的呼吸监测)、惯性传感器监测呼吸的方法和惯性传感器的数据处理方式。其次，对惯性传感器监测呼吸的不同阶段进行了对比分析，详细地阐述了不同方法的优缺点。再次，对惯性传感器监测呼吸存在的挑战和未来发展趋势进行了总结和展望。最后，对基于惯性传感器可穿戴呼吸监测装备的开发提出了一些建议和预测。他们的研究成果以题为《基于惯性传感器的呼吸测量技术综述》发表在《机械工程学报》2024年第20期。

呼吸行为作为人体重要的生命特征，在疾病预警和健康监测中具有关键作用，尤其是在监测如睡眠呼吸暂停综合征（SAS）等隐匿性疾病时更显重要。针对传统呼吸监测方法存在的不足，例如基于声音、气流、胸部运动及心电图等技术易受干扰或佩戴不适的问题，提出了一种基于惯性传感器的创新监测方法，展示了其在小尺寸、轻质量、低成本和便携性方面的优势，非常适合于长期可穿戴设备。研究回顾了惯性传感器在呼吸监测中的发展历史，包括呼吸波形提取、呼吸暂停识别、睡眠姿势识别以及运动状态下的呼吸监测，分析了当前技术面临的挑战，如运动伪影的去除和呼吸特征量不足等问题，同时展望了未来的发展趋势。在呼吸频率、潮气量和呼吸努力监测等方面，惯性传感器展现出广泛的应用潜力，为健康监测和疾病诊治提供了有效的技术上的支持，具备极其重大的实践意义和研究价值。

引入惯性测量单元（IMU），通过角速度信号描述胸部运动，提升呼吸频率与波形识别能力。

加速度计与深度学习结合（如CNN+LSTM）明显提高阻塞性睡眠呼吸暂停的识别能力。

多传感器融合信号数据（如胸部与腹部的IMU结合），在复杂运动中保持测量精度。

常用滤波技术（如低通、带通滤波）与高级算法（PCA、ICA）相结合，提升信号降噪能力。

结合时域分析（峰值检测）与频域分析（功率谱分析），提高频率提取的准确性。

多样化参考信号选择，如呼吸监测带、二氧化碳传感器等，为不同场景提供较为可靠支持。

评价标准包括误差分析、相关性分析和Bland-Altman图，确保测量数据的科学性和一致性。

卡尔曼滤波、一阶互补滤波与Madgwick滤波在动态信号处理中表现优异，适合便携设备的小型化需求。

针对不同应用场景灵活选择信号处理方法，如运动伪影多时使用融合算法，静态监测中注重单一信号处理。

使用IMU数据融合（如卡尔曼滤波和Madgwick滤波），提高动态信号处理能力。

时域分析（如峰值检测）和频域分析（如功率谱密度）在动态和静态环境中均广泛应用。

深度学习用于模式识别和分类，例如结合混合层次分类（HHC）算法，监测日常活动中的呼吸参数。

深度学习算法分类后的呼吸频率误差低至0.48次/min，明显提升动态监测精度。

三种方案（按活动幅度分类、传感器组合、参考坐标系）仍难彻底消除运动伪影。

运动期间信号监测不足，多传感器结合和优化参考坐标系是可能的解决途径，但需权衡舒适性。

呼吸波形的实际意义尚未建模，现有方法（加速度信号或角度信号表示）无法准确量化潮气量。

可穿戴设备（如腕带式传感器）能明显降低侵入性，适用于静态场景，呼吸频率误差低至0.32次/min。

智能手机加速度计可用作便携式呼吸监测设备，监测结果与专业设备高度相关（相关系数达0.96）。

无线测量贴片、可穿戴衣物、智能手表、智能床垫等成为低侵入性监测的研究重点。

使用惯性传感器监测呼吸是一个不断被发掘的新领域，其监测装置也正在朝着高准确性、高可靠性、低侵入性发展。目前用于静态下呼吸监测的惯性传感器已经能够很好地实现呼吸频率监测。国内外研究人员对潮气量和呼吸努力的测量也进行了实验性探索，对于潮气量的计算，目前存在不同的计算方式，但是潮气量的计算误差较大，相关系数小于0.9。

对于动态环境下呼吸监测仍是一个具有挑战性的难题。动态下运动伪影的去除，虽然国内外学者已对此方面开展了很多研究和探索，但是受限于传感器自身条件（加速度计随机游走、零偏等误差，陀螺仪角度随机游走等误差）等问题，运动伪影的去除依旧存在障碍。而且呼吸测量存在着侵入性问题，较多的文献使用绑带式的监测装置，这对于长期监测是十分不利的。此外，呼吸特征参数的提取仍有待研究，目前的研究多集中于呼吸频率的测量，而对于潮气量和呼吸努力的探索较少，但是潮气量、呼吸努力等参数对于呼吸疾病诊断至关重要，比如潮气量反映了呼吸肌收缩的强度、胸和肺的机械特性及机体的代谢水平。

总体来说，使用惯性传感器实现呼吸信号的监测是一个十分有发展的潜在能力的研究方向，随着传感器技术和相关信号处理算法的发展，具有更高精度和可靠性的惯性传感器正在被开发并应用于呼吸监测中，同样持续不断的发展的现代信号处理技术和深度学习等算法正逐步应用于惯性传感器监测呼吸的信号处理和数据提取中。呼吸系统的健康情况反映着人体的生命健康，关系着大脑和心脏的器官功能，有效测量人体的呼吸特征对于人体健康监测及疾病诊断至关重要。然而目前的基于惯性传感器的便携式呼吸监测技术及装备远未达到产业化的水平，使用惯性传感器的可穿戴呼吸监测装备研制还有非常长一段路要走。

方续东，西安交通大学教授/博导，国家级青年人才，陕西省微型机械电子系统研究中心副主任，中国工程院旗舰期刊Engineering机械与运载工程学科秘书，教育部微纳制造与测试技术国际合作联合实验室主任助理。先后获得西安交通大学本科、硕士学位，美国佐治亚理工学院博士学位。《机械工程学报》、《Soft Science》、《Microsystems & NanoEngineering》青年编委。主要是做先进传感技术与微纳制造等方面的研究。主持国家自然科学基金、科技部重点研发计划项目课题、基础加强重点项目课题等国家级/省部级项目及企业/研究所委托项目多项。第一/通讯作者在领域高水平期刊Engineering、Microsystems & Nanoengineering、Nano Energy、机械工程学报等发表SCI/EI论文50余篇，ESI高被引1篇，授权中国发明专利25项、美国发明专利1项，编写团体标准4项，软著4项，获得中国发明协会发明创业人物奖、省级人才计划、陕西省机械工程学会科学技术一等奖等奖励。

传感器是信息获取的“源头”，“现代信息技术三大支柱”之一，在基础科学、尖端技术、以及航空航天、石油化学工业、国防军事等国家重大工程领域，发挥及其重要的作用。敏感芯片是传感器的核心部件，对传感器性能起决定性作用。常规微型压力传感器芯片受限于材料/敏感原理/制造技术等，难以支撑面向航空航天、深空/深地/深海探测、爆炸毁伤等领域的极端环境测试需求（高精度、耐高温）。团队聚焦第三代半导体碳化硅压力传感器芯片、高精度硅微谐振压力传感器芯片及特种芯片微纳制造技术等方面开展了系列化研究。

在传感器欧姆接触耐高温关键技术方面，建立了芯片表面欧姆接触异质界面模型，阐明了欧姆接触形成机理及高温性能演化行为，提出了耐高温欧姆接触金属体系设计方法，解决了敏感芯片高温失效问题。

在传感器芯片加工方面，提出了一种多能场加工协同MEMS工艺的特种微纳传感器芯片制造技术，提升了芯片加工效率和性能稳定性，实现了耐高温、高精度微纳传感器芯片的批量化制造。

针对我国高精度大量程压力监测的需求，开展MPa级硅谐振压力传感器关键技术探讨研究。提出基于静电激励/电容检测的平行反向振动硅基谐振压力传感器结构。建立“梁膜一体化”硅谐振压力敏感元件多物理场耦合的压力-频率转化非线性动力学模型，研究挠曲变形、快速温变、加速度冲击等对敏感元件非线性输出的影响规律。利用多层硅键合方式实现全硅结构的敏感元件制造及低应力封装，实现了硅谐振压力传感器综合精度提升。