Sensor de pressão capacitivo vestível para coleta de sinal fisiológico humano
Sensor de pressão capacitivo vestível para coleta de sinal fisiológico humano
Nos últimos anos, sensores de pressão de alta sensibilidade com flexibilidade, biocompatibilidade e extensibilidade têm atraído atenção generalizada nas áreas de dispositivos eletrônicos vestíveis e peles inteligentes. No entanto, é um desafio considerável alcançar alta sensibilidade e baixo custo do sensor, e obter a melhor estabilidade mecânica e limite de detecção ultrabaixo para uso em equipamentos de monitoramento de sinais fisiológicos delicados. Em resposta aos problemas acima, este artigo relata um método de preparação simples de um sensor de pressão capacitiva (CPS) de alta sensibilidade e alta confiabilidade para medição de pressão ultrabaixa. TrFE) estrutura composta de nanofibras (CNS) intercalada entre eletrodos biocompatíveis de ácido poli (3,4-etilenodioxitiofeno) poliestireno sulfônico (PEDOT: PSS) / polidimetilsiloxano (PDMS) como uma camada dielétrica. O sensor preparado tem uma alta sensibilidade de 0,51 kPa-1 e um limite mínimo de detecção de 1,5 Pa. Além disso, ele também pode alcançar detecção linear em uma ampla faixa de pressão (0-400 kPa) e atingir alta confiabilidade durante 10.000 ciclos mesmo em ultra-alta pressão (maior que 167 kPa). Em comparação com o andaime de nanofibra PVDF-TrFE original, a sensibilidade do sensor baseado em nanofibra pode ser melhorada carregando com MXene, aumentando assim a constante dielétrica para 40 e reduzindo o módulo de compressão para 58%. Esse sensor pode determinar a saúde dos pacientes monitorando os sinais fisiológicos (frequência de pulso, respiração, movimento muscular e contrações oculares) e é um bom candidato para a próxima geração de dispositivos de interface homem-máquina. ele também pode atingir detecção linear em uma ampla faixa de pressão (0-400 kPa) e alcançar alta confiabilidade durante 10.000 ciclos, mesmo em ultra-alta pressão (maior que 167 kPa). Em comparação com o andaime de nanofibra PVDF-TrFE original, a sensibilidade do sensor baseado em nanofibra pode ser melhorada carregando com MXene, aumentando assim a constante dielétrica para 40 e reduzindo o módulo de compressão para 58%. Esse sensor pode determinar a saúde dos pacientes monitorando os sinais fisiológicos (frequência de pulso, respiração, movimento muscular e contrações oculares) e é um bom candidato para a próxima geração de dispositivos de interface homem-máquina. ele também pode atingir detecção linear em uma ampla faixa de pressão (0-400 kPa) e alcançar alta confiabilidade durante 10.000 ciclos, mesmo em ultra-alta pressão (maior que 167 kPa). Em comparação com o andaime de nanofibra PVDF-TrFE original, a sensibilidade do sensor baseado em nanofibra pode ser melhorada carregando com MXene, aumentando assim a constante dielétrica para 40 e reduzindo o módulo de compressão para 58%. Este sensor pode determinar a saúde dos pacientes monitorando os sinais fisiológicos (frequência de pulso, respiração, movimento muscular e contrações oculares) e é um bom candidato para a próxima geração de dispositivos de interface homem-máquina. Em comparação com o andaime de nanofibra PVDF-TrFE original, a sensibilidade do sensor baseado em nanofibra pode ser melhorada carregando com MXene, aumentando assim a constante dielétrica para 40 e reduzindo o módulo de compressão para 58%. Esse sensor pode determinar a saúde dos pacientes monitorando os sinais fisiológicos (frequência de pulso, respiração, movimento muscular e contrações oculares) e é um bom candidato para a próxima geração de dispositivos de interface homem-máquina. Em comparação com o andaime de nanofibra PVDF-TrFE original, a sensibilidade do sensor baseado em nanofibra pode ser melhorada carregando com MXene, aumentando assim a constante dielétrica para 40 e reduzindo o módulo de compressão para 58%. Esse sensor pode determinar a saúde dos pacientes monitorando os sinais fisiológicos (frequência de pulso, respiração, movimento muscular e contrações oculares) e é um bom candidato para a próxima geração de dispositivos de interface homem-máquina.
Figura 1. Processo de preparação e estrutura do sensor de pressão baseado no CNS. (A) Mostrar o diagrama esquemático do processo de preparação do sensor de pressão baseado no CNS. (B) Imagem TEM de CNS, mostrando nanofloco de MXene de camada única e multicamadas. A inserção é um TEM de alta resolução mostrando o espaçamento entre camadas de 0,93 nm correspondente ao plano MXene (002). (C) A foto mostra o CNS de diferentes concentrações de MXene e o sensor fabricado. (D) Imagem FESEM do CNS. A inserção mostra a morfologia em maior ampliação. (E) O diagrama EDS das nanofibras compostas mostra os elementos C, F, O e Ti.
Figura 2. Características esquemáticas e de superfície do CNS. (A) Um diagrama esquemático que mostra a sinergia obtida após a introdução de MXene na matriz polimérica. (B, c) Análise de XRD e FTIR de CNS em várias concentrações de MXene. (D) Espectro XPS da região C 1s do CNS contendo 5% em peso de concentração de MXene.
Figura 3. Características elétricas de diferentes amostras (a) A constante dielétrica e a tangente de perda do CNS em relação ao conteúdo de MXene (em% em peso). (B) Dependência da freqüência da constante dielétrica.
Figura 4. Características eletromecânicas dos sensores de pressão baseados no CNS. (A) Comparação de desempenho de sensores baseados em CNS com base em diferentes tempos de eletrofiação. (B) O desempenho de tensão-deformação compressiva do sensor sob uma carga estável com uma distância de compressão de até 0,4 mm. (C) A capacitância inicial (C0) e a mudança relativa (ΔC / C0) do sensor baseado em CNS depende do conteúdo de MXene (em% em peso). (D) A mudança de capacitância relativa (ΔC / C0) de sensores baseados em CNS contendo camadas dielétricas com diferentes concentrações de MXene (em% em peso) sob uma distância de compressão constante de 0,4 mm. (E) Um gráfico descritivo de ΔC / C0, ilustrando a sensibilidade à pressão obtida quando a carga de MXene é de 5% em peso. A ilustração mostra a sensibilidade do sensor na área de baixa pressão. (F) Para diferentes concentrações de MXene, a resposta de capacitância cíclica (carga / descarga) de sensores baseados em CNS a uma distância de compressão constante de 0,3 mm, e (g) Em diferentes valores de pressão de carga / descarga, a concentração de MXene é 5% em peso da resposta de capacitância cíclica do CNS baseado em sensor. (H) Tempo de resposta e relaxamento em um ciclo de carga / descarga com pressão de 1,5 kPa. (I) Comparado com o relatório anterior, o desempenho do sensor em termos de sensibilidade relatado em limites de detecção baixos na faixa de baixa pressão.
Figura 5. (a) A mudança relativa da resposta da capacitância sob ciclos de carga e descarga de baixa tensão. (B) Ilustrar o limite inferior de detecção (LOD) carregando e descarregando sequencialmente aproximadamente 38 mg de arroz de grão longo. (C) Teste de estabilidade cíclica do sensor de pressão baseado no CNS após 10.000 ciclos de carga e descarga sob alta pressão de cerca de 167 kPa (mais de 40% de compressão). A inserção mostra o ciclo selecionado no início e no final do teste de estabilidade.
Figura 6. A aplicação de sensores baseados no CNS no monitoramento contínuo e em tempo real de sinais fisiológicos humanos. (A) Monitoramento em tempo real da onda de pulso arterial. Ilustração: Foto do sensor preso à área da pele do pulso. (B) Uma visão ampliada de uma única forma de onda de pulso, incluindo informações detalhadas sobre seus picos característicos. (C) Monitore a respiração antes e depois do exercício. Ilustração: Foto de um sensor conectado a uma máscara para monitorar a frequência respiratória. (D) O diagrama mostra que o sensor simula batidas de dedo em uma frequência de tremor estático de 4,8 Hz para detectar a doença de Parkinson primária. Ilustração: Uma foto que imita um dedo tocando a superfície do sensor em uma frequência constante. (E) Uma imagem ampliada que simula a percussão em uma frequência de tremor específica de 4,8 Hz. (F) Pressione rapidamente e mantenha pressionado o sensor para gerar um sinal de código Morse internacional. (G) Monitore a contração e a expansão muscular abrindo e fechando reversivelmente o punho. Ilustração: Foto do sensor preso aos músculos abdominais do punho. (H) Monitore o sinal gerado pela vibração dos músculos oculares durante os espasmos oculares. Ilustração: Uma foto do sensor preso à pele do olho. (I) A capacidade do sensor de reconhecer sons diferentes com formas de onda diferentes e repetitivas. Ilustração: Foto do sensor preso à epiderme da garganta. (H) Monitore o sinal gerado pela vibração dos músculos oculares durante os espasmos oculares. Ilustração: Uma foto do sensor preso à pele do olho. (I) A capacidade do sensor de reconhecer sons diferentes com formas de onda diferentes e repetitivas. Ilustração: Foto do sensor preso à epiderme da garganta. (H) Monitore o sinal gerado pela vibração dos músculos oculares durante os espasmos oculares. Ilustração: Uma foto do sensor preso à pele do olho. (I) A capacidade do sensor de reconhecer sons diferentes com formas de onda diferentes e repetitivas. Ilustração: Foto do sensor preso à epiderme da garganta.
