完全集成的、基于人工智能的柔性可穿戴传感器，用于实时运动评估和乒乓球训练

《Biosensors and Bioelectronics》：Fully Integrated AI-Enhanced Flexible Wearable Sensor for Real-time Movement Evaluation and Table Tennis Training

柔性惯性传感平台实现高精度人体动作捕捉与评估，采用MEMS传感器与柔性电路集成技术，通过医疗级胶带实现皮肤贴合部署，动态漂移仅6.21°，结合LDTW和MAFFT算法解耦空间姿态与时间序列，在乒乓球训练中使新手动作质量提升41.67%。

　　

王秦良|钟庚|高颖|徐泰林

深圳大学高等研究院（IAS），中国深圳市518060

摘要

可穿戴电子设备对于持续健康监测和人机交互至关重要，然而实现全面的集成、灵活性以及高保真的生物力学评估仍然具有挑战性。本文介绍了一种薄型、贴合皮肤的柔性惯性传感平台，用于精确的运动捕捉和时空运动评估。高精度微机电系统（MEMS）惯性传感器被集成到定制的柔性印刷电路上，并封装在医用级粘合贴片中，可直接贴附在表皮上。该独立设备以低功耗无线传输加速度、角速度和方向数据，在连续运动过程中，静态角误差低于0.14°，动态漂移为6.21°。我们实现了一个时空评估框架，利用有限动态时间规整（LDTW）和多序列比对（MAFFT）算法将空间姿态精度与时间执行顺序分离。通过60次专家示范的乒乓球正手攻击数据，构建了评估模型，其最大空间容忍度为7.39°，共有14个共识时间标志点。传感器网络能够在关键解剖位置进行运动捕捉，与光学运动捕捉相比，整体均方根误差（RMSE）为11.54 ± 8.46°。在一项训练验证研究中（n = 20），使用自动化传感器指导的新手运动质量提高了41.67%，与专家指导相当（55.75%，p = 0.175）。该平台展示了高精度的动作识别（99.86%）、轨迹估计和实时运动评估能力，适用于运动训练、康复和个性化医疗保健。

引言

可穿戴电子设备为笨重且不可携带的设备提供了便携的替代方案（Chen等人，2023；Dunn等人，2021；Kim等人，2019；Sun等人，2023；Yang和高颖，2019），通过与身体的机械感受器、热感受器和化学感受器接口，实现生理信号、环境刺激和肌肉活动的持续监测（Bariya等人，2018；Kang等人，2016；Lee等人，2016；Sun等人，2025a；Wang等人，2018，2021；Kwon等人，2023；Sempionatto等人，2022；Xu等人，2024）。捕捉人类运动为解释肌肉活动、疲劳和心血管反应的变化提供了关键的生物力学背景（Amjadi等人，2016；Lou等人，2020；Sun等人，2025b；Yang等人，2023；Yu等人，2022）。虽然机器学习方法可以实现动作识别（Wang等人，2020；Zhang等人，2024），但评估运动质量需要可解释的姿态精度和时间协调度指标，而不仅仅是简单的分类（Cust等人，2019；Gu等人，2024；Yurtman和Barshan，2014）。这些挑战推动了完全集成的可穿戴系统的开发，这些系统结合了高保真运动捕捉和先进的数据分析技术，适用于体育和临床应用。

目前的全身运动捕捉主要依赖于光学红外摄像头和刚性惯性传感器（Menolotto等人，2020）。光学系统虽然准确，但受到固定设置的限制（O'Reilly等人，2018），而刚性惯性测量单元（IMU）体积庞大、符合人体工程学要求有限，且容易产生运动伪影（Ling等人，2020），降低了其在连续现实世界监测中的适用性。柔性电子应变传感器可以通过皮肤应变推断身体形态并捕捉关节活动（Chen等人，2021；Lipomi等人，2011；Ma等人，2021；Wang, J.W.等人，2025；Wang, R.J.等人，2025；Zheng等人，2018），但其高滞后性和有限的耐用性阻碍了多传感器集成和快速运动。基于硅的MEMS传感器具有高稳定性和快速响应（Luo等人，2023；Ray等人，2019），当安装在柔性基底上时，可以实现局部身体运动识别，并提高与皮肤的兼容性（Khan等人，2016，2020；Bao等人，2024；Jeong等人，2021；Kang等人，2022；Kim和Lee，2019；Lee等人，2020；Liu等人，2016；Peng等人，2021；Xu等人，2023）。然而，完全集成的柔性IMU系统仍不成熟，限制了全面的运动评估。目前，评估主要依赖于专家教练，他们的主观判断和有限的可用性限制了技能转移。因此，迫切需要具有更高集成度、更小体积、更低功耗和更强抗干扰能力的完全集成柔性惯性传感器，适用于包括现实世界健康监测和运动表现评估在内的各种应用。

在本文中，我们介绍了一种薄型、贴合皮肤的、增强人工智能的可穿戴柔性惯性传感器，可以以200 Hz的高采样频率和低功耗无线传输关键惯性数据（加速度、角速度、欧拉角等）。我们的独立柔性惯性传感器平台通过精确的异构封装工艺，将定制设计的柔性印刷电路（FPC）与MEMS惯性传感器集成在一起，并封装在双层医用级粘合贴片中（图1a），以便直接贴附在表皮上。此外，我们利用多传感器网络捕捉和评估标准乒乓球教学动作，具有最小的变化性，为乒乓球训练提供实时有价值的指导。我们的运动评估技术利用LDTW和MAFFT算法处理传感器收集的空间和时间数据，构建乒乓球动作的时空模型。与传统的端到端深度学习方法不同，所提出的框架明确将空间姿态对齐与时间事件顺序分离，从而在专家示范有限的情况下实现稳健且可解释的运动质量评估。

实验部分

材料和方法在补充方法中有详细描述。

柔性惯性传感器贴片的设计

完全集成的独立柔性惯性传感器设备平台由一个带有集成电子元件的FPC组成，用于数据采集、存储和无线传输（图1b）。柔性基底由薄聚酰亚胺（PI）和铜线制成，电路示意图的几个关键单元详细显示在图S1中。封装设备的尺寸为32毫米×32毫米；其厚度小于3.06毫米，重量小于1.44克。该传感器配备了九个

结论

总之，我们提出了一种薄型、贴合皮肤的柔性惯性传感平台，能够在表皮界面直接高保真地采集人类运动信号。通过将MEMS惯性传感器集成到定制的柔性印刷电路上，并将系统封装在医用级粘合贴片中，该设备实现了与皮肤的紧密耦合，并在动态条件下实现可靠的运动捕捉。除了硬件集成外，我们还建立了时空运动

CRediT作者贡献声明

王秦良：撰写——原始草稿、方法论、研究、概念化。钟庚：方法论。徐泰林：撰写——审稿与编辑、监督。高颖：撰写——审稿与编辑、资金获取

利益冲突声明

作者声明没有利益冲突。

数据可用性

数据将应要求提供。

利益冲突声明

作者声明没有利益冲突。

致谢

我们感谢深圳科学技术计划（JCYJ20240813142503006）和深圳大学仪器分析中心的资助。