AmBeed文献解读|Sci. Adv.

用于机器学习辅助生理和运动评估的快速自我修复电子皮肤

2025年2月14日，寺崎研究所（TIBI）朱杨志教授和Ali Khademhosseini教授团队发表题为《Rapidly self-healing electronic skin for machine learning-assisted physiological and movement evaluation》的研究。本文介绍了一种新型的快速自修复电子皮肤（E-Skin），它能够在10秒内恢复超过80%的功能，并在极端环境下（如水下或不同温度）保持可靠的生物信号监测能力。该E-Skin基于热塑性聚氨酯（TPU）和银纳米线（AgNW）网络，通过引入异佛尔酮二异氰酸酯（IPDI）和二硫键实现了室温下的快速自修复。它能够实时监测肌电图（sEMG）、心电图（ECG）和关节运动，并结合机器学习算法以超过95%的准确率识别肌肉疲劳。这种E-Skin不仅展示了卓越的自修复能力和环境适应性，还为可穿戴健康监测设备的发展提供了新的方向，有望在医疗康复、工人健康监测和人机交互等领域发挥重要作用。

研究背景

电子皮肤（E-Skin）是一种能够模拟人类皮肤功能的可穿戴设备，用于实时监测生理信号和运动状态。然而，现有的E-Skin在日常使用中容易因机械损伤而失去功能，这限制了其商业化应用。理想的E-Skin需要能够在短时间内自我修复，以保持其功能。目前的材料在1分钟内难以恢复足够的性能，而本文介绍了一种新型的快速自修复E-Skin，它能够在10秒内恢复超过80%的功能，且无需外部刺激。这种E-Skin不仅能够实时监测生理信号和运动状态，还能在极端环境下保持可靠性，为健康监测和人机交互提供了新的可能性。

AmBeed产品

 

bis(4-hydroxyphenyl) disulfide（A183502）

在本研究中，双（4-羟基苯基）二硫化物（bis(4-hydroxyphenyl) disulfide） 是一种关键的化学添加剂，用于增强电子皮肤（E-Skin）的自修复能力。

研究结果

 

图1. 具有自愈能力的 E-Skin 的分子设计

 

以聚四亚甲基醚二醇（PTMEG）作为主链，通过氮气保护下与异佛尔酮二异氰酸酯（IPDI）和二月桂酸二丁基锡（DBTDL）催化剂反应，随后进行链扩展反应，引入双酚羟基苯基二硫化物（购买自AmBeed）以赋予材料自修复能力，并通过调整聚合物溶液浓度来优化其自修复性能。

 

图2. E-Skin 的结构设计、自愈能力和机械灵活性

 

E-Skin由热塑性聚氨酯（TPU）和银纳米线（AgNW）构成，能够在10秒内恢复超过80%的功能，且无需外部刺激。其自修复机制基于TPU中的二硫键和异佛尔酮二异氰酸酯（IPDI），能够在室温下快速连接断裂的聚合物链。实验结果表明，E-Skin在遭受完全切断后能够迅速恢复电导通路，并在多种动态变形条件下保持结构和功能完整性，展现出优异的柔韧性和耐用性。

 

图3. E-Skin 的光学特性、可拉伸性和自愈特性。

 

实验表明，修复后的E-Skin具有高达900%的拉伸性，并且其杨氏模量在自修复后比原始状态更高，这归因于二硫键的增加和聚合物链的重新排列。通过原子力显微镜（AFM）验证了修复过程的成功，修复后的E-Skin能够承受1500倍于自身重量的负载，并在不同湿度和温度条件下保持稳定的自修复能力。这些结果表明，E-Skin在极端环境下仍能可靠地恢复其机械和电学性能。

 

图4. 使用 E-Skin 对生理信号和关节运动进行全面的全身监测

 

E-Skin能够实时监测微表情（如眨眼、皱眉）、呼吸、语音识别以及手指、手腕、肘部、膝盖和脚踝等关节的运动。它通过与皮肤的紧密贴合，能够检测到微弱的肌肉运动和关节角度变化，并将其转化为可读的电压信号。此外，E-Skin还能区分步行和跑步等不同运动状态，为健康监测、康复训练和人机交互提供了全面的解决方案。

 图5. 在多样化条件下对E-Skin用于可穿戴电生理测量的全面评估

研究团队对E-Skin在多种环境下的可穿戴电生理监测性能进行了全面评估。E-Skin在监测肌电图（sEMG）和心电图（ECG）时表现出色，即使在水下或不同温度条件下也能保持稳定的信号质量。实验结果表明，E-Skin在自修复后能够快速恢复其电生理监测功能，并且在不同年龄段和健康状况下均能可靠地记录生理信号。此外，E-Skin在长期佩戴测试中未引起皮肤不良反应，显示出良好的生物相容性。

 

图6. 基于机器学习的肌肉疲劳预测与分类

 

通过分析sEMG信号的时间域和频率域特征，结合卷积神经网络（CNN）模型，E-Skin能够以超过95%的准确率识别肌肉疲劳状态。该系统利用无线电子设备和嵌入式算法，实现了对肌肉疲劳的实时监测和分类。实验中，21名受试者在进行标准化的哑铃运动时，E-Skin能够准确记录不同疲劳水平下的sEMG信号，并通过CNN模型进行分类，为运动监测和疲劳管理提供了有力工具。

结论

本文成功开发了一种基于热塑性聚氨酯（TPU）和银纳米线（AgNW）的快速自修复电子皮肤（E-Skin），通过引入双（4-羟基苯基）二硫化物和异佛尔酮二异氰酸酯（IPDI），实现了在室温下10秒内恢复超过80%功能的自修复能力。这种E-Skin不仅在极端环境下表现出色，还结合机器学习算法实现了对肌肉疲劳的实时监测和分类，准确率超过95%。尽管取得了显著进展，但未来的研究仍需在材料优化、设备寿命延长和完全微型化方面继续努力，以推动其在健康监测和人机交互领域的广泛应用。

 

Doi: 10.1126/sciadv.ads1301