综述：柔性可穿戴压力/应变传感器在骨科运动医学运动监测中的进展

《Journal of Orthopaedic Translation》：Advances in flexible wearable pressure/strain sensors for motion monitoring in orthopaedic sports medicine

这篇综述系统阐述了柔性可穿戴压力/应变传感器在骨科运动医学中的应用进展。文章详细分析了压阻(piezoresistive)、电容(capacitive)、压电(piezoelectric)、摩擦电(triboelectric)及电磁(electromagnetic)五大传感机制，并探讨了微结构(microstructured)、仿生(bioinspired)、多模态(multimodal)及机器学习(machine learning)赋能设计策略。重点展示了这些传感器在关节运动监测、步态分析、损伤预警与诊断（如前交叉韧带ACL损伤）中的临床转化潜力，为实时、高分辨率的生物力学数据获取提供了实验室外的新范式。

　　

柔性可穿戴压力/应变传感器在骨科运动医学运动监测中的进展

随着公众体育参与度的持续提升，骨科运动医学作为连接临床医学与运动科学的跨学科领域，其重要性日益凸显。传统基于实验室的运动监测设备（如电动跑步机、测力板）受限于受控环境，难以将实验室数据外推至真实运动场景。在此背景下，全球可穿戴设备市场（2020年估值406.5亿美元）的快速增长推动了柔性可穿戴压力/应变传感器的发展。这类设备通过将机械刺激转化为电信号（基于压阻、电容、压电、电磁和摩擦电机制），实现了动态现实世界中连续生物力学数据的采集，有效克服了传统方法的局限。

传感机制

压力/应变传感器由支撑材料和活性材料组成，是运动监测的核心。根据传感原理可分为五类：

压阻效应是指材料在机械应力下电阻率发生变化的现象（）。半导体材料的压阻效应显著大于金属，但传统刚性传感器检测范围有限且灵活性差。新兴解决方案致力于开发适应性强、重量轻的传感器，以应对温度敏感性导致的信号漂移挑战，并实现宽压力范围的高灵敏度监测。

电容效应利用电容变化进行压力测量（）。尽管柔性聚合物基质具有良好的拉伸性，但其固有的粘弹性会导致信号迟滞和重复性差，且介电材料有限的压缩性制约了灵敏度。

压电效应是指特定材料在压力下产生电荷的特性（）。无机材料如锆钛酸铅(PZT)虽压电性能优异但柔性不足，而有机材料柔韧性好但压电系数低。复合材料通过平衡高性能压电性与机械顺应性，成为下一代柔性传感系统的理想选择。

摩擦电效应使摩擦纳米发电机(TENG)成为极具潜力的能量转换机制（）。TENGs具有结构简单、材料易得、制造成本低和环境友好等优点，可作为自供电传感器。然而，其在湿度和温度变化下的信号不稳定性及接触分离模式下的材料磨损仍是挑战。Table 2总结了多种基于TENG的压力/应变传感器，如Zhou等人开发的具有多孔半球突起微结构的PDMS薄膜传感器，响应时间为16.6 ms，灵敏度达0.874 V kPa^?1。

电磁效应基于电磁感应原理（），包括电感式、霍尔效应式和涡流式压力传感器。尽管具有高灵敏度和环境适应性，但材料兼容性和电路集成的复杂性限制了其在部分可穿戴设备中的应用。

运动监测传感器的进展

微结构设计

传统平面结构的传感器常面临灵敏度低、检测范围窄等问题。通过在活性传感层表面引入微结构（如金字塔阵列、互锁突起、梯度倾斜设计），可将接触模式从面接触转变为点或线接触，从而放大压力引起的电信号变化。例如，基于多级金字塔微结构的传感器实现了超高灵敏度(8775 kPa^?1)和宽线性范围(高达1000 kPa)。此外，3D打印技术（如三重周期极小曲面TPMS）制备的微孔结构降低了弹性模量，改善了压缩性，防止外力下的应力集中，同时保持了优异的机械性能和抗疲劳性。

仿生设计

为解决微结构尖端应力集中限制高压灵敏度的问题，仿生设计被广泛应用。例如，受丝状乳突启发的柔性压力传感器(FPSp)避免了应力集中，实现了504.5 kPa^?1的灵敏度和30 Pa至350 kPa的检测范围（）。受小肠绒毛启发的微绒毛微结构(MVMS)传感器则通过同步压缩机制，达到了58.88 kPa^?1的灵敏度和9 ms的快速响应（）。此外，模仿鲨鱼和鳄鱼皮肤的复合传感器设计在脉冲监测和肢体运动分析中表现出色（）。

多模态设计

单模态传感器的局限性催生了能同时检测多个参数的多模态传感器。例如，结合MXene/纤维素纳米纤维(CNF)气凝胶与聚二甲基硅氧烷(PDMS)的双模态传感器，集成了摩擦电和压阻效应，可同时响应低压静态力和瞬态刺激。另一种基于软弹性体海绵的传感器，通过集成电阻和电容测量，能够区分压力、应变和温度刺激，在物体检测和手势识别中显示出巨大潜力。

机器学习赋能信号处理

面对环境干扰（如运动伪影、温度波动）导致的噪声数据，机器学习(ML)算法成为关键解决方案。ML通过建立非线性输入输出关系，绕过复杂的物理数学模型。传统方法如支持向量机(SVM)和人工神经网络(ANN)，以及深度学习技术如卷积神经网络(CNN)和循环神经网络(RNN)被广泛应用。例如，Yue等人开发的柔性疏水导电纱线(FCB@SY)结合ML实现了精确的手势识别；Sharma等人的CoN CNT/PVA/GLE有机凝胶压力传感器结合深度学习，在英语字符识别中达到了98%的准确率。针对各向同性导电材料中应变方向与振幅难以解耦的问题，Yang等人开发的全方位应变传感器(OSSs)结合ANN，有效监测了手腕运动和弯曲PVC板上的应变。

柔性设计的选择

弹性体基设计

弹性体（如PDMS、热塑性聚氨酯TPU、Ecoflex）因其出色的拉伸性和形变恢复能力成为传感器基底的关键材料。为克服传统弹性体传感器在灵敏度和压力范围上的局限，双介电层(DDL)配置被提出。例如，基于蚕丝离子凝胶和开孔聚氨酯泡沫的双层离子电子压力传感器(DLIPS)，实现了超高灵敏度(72548.7 kPa^?1)和宽压力范围(0.001-420 kPa)，并能同时进行电容和电阻测量，用于皮肤贴附式无声语音识别（准确率98.5%）。

聚合物薄膜基设计

聚合物薄膜以其透明性和柔韧性著称。共轭聚合物(CPs)通过π-π堆叠形成较低杨氏模量的薄膜，其分子排列直接影响载流子移动。化学掺杂可有效提高CPs的电导率。此外，通过转印策略将锆钛酸铅(PZT)薄膜从刚性云母基底转移到柔性聚对苯二甲酸乙二醇酯(PET)基底，显著提升了薄膜的压电性能、机械柔性和灵敏度，使其适用于实时呼吸监测和无线手势识别。

电子纺织品(E-textiles)基设计

电纺丝技术是制造柔性压力传感器的重要手段。通过同轴湿法纺丝技术制备的纤维状电阻压力传感器（多壁TiO₂/石墨烯/PU纤维），在压缩下因微裂纹形成导致电阻增加，从而大幅提升性能，在多点传感阵列中实现了99.6%的模式识别准确率。基于多孔聚偏氟乙烯(PVDF)纳米纤维膜结合MXene纳米片和银(Ag)/PVDF电极层的全纤维传感器，灵敏度提升了13倍（达1970.65 kPa^?1），且具有快速响应(10 ms)和恢复(20 ms)时间。

水凝胶基设计

水凝胶因其生物相容性、高拉伸性和类似天然软组织的结构而备受关注。通过分子拥挤效应制备的多功能低共熔水凝胶应变/压力传感器，电导率达2.81 S m^?1，拉伸强度2.95 MPa。梯度纠缠双网络(GEDN)水凝胶自发形成表面褶皱图案，增强了表面积，实现了681%的延伸率和1.01 MPa的拉伸强度（）。此外，功能性石墨烯-银(FG-Ag)水凝胶结合了聚(丙烯酰胺-co-硬脂酸甲酯)@功能性石墨烯@纤维素纳米纤维网络与原位还原的Ag纳米颗粒，展现了卓越的拉伸性和宽应变响应范围（）。

压力/应变传感器在骨科运动医学中的应用

关节运动监测

在骨科运动医学中，监测关节运动和评估运动员姿势对预防损伤和提升表现至关重要。不同运动类型对监测技术有独特需求：速度型运动（如短跑）依赖极高采样频率和快速响应以捕捉爆发力；而球拍类运动（如网球）则侧重于多方向移动、急停变向的生物力学效率。为满足高强度动态环境，自供电可穿戴系统应运而生，例如集成了柔性热电发电机(f-TEGs)、基于聚(3,4-乙撑二氧噻吩):聚(苯乙烯磺酸盐)(PEDOT:PSS)的织物应变传感器和低功耗边缘计算的系统，可实时监测膝关节运动和代谢能量。结合SVM算法的视频动作捕捉系统和基于拓扑结构MXene纳米片结合传感器内ML的全身体动监测系统，进一步提升了运动分类和化身重建的精度。

步态分析

步态分析是评估人体运动的生物力学基石，对优化运动员技术、筛查损伤风险（如跑步姿态分析）及术后康复评估（如前交叉韧带ACL重建或半月板修复）具有重要意义。柔性可穿戴传感器将步态分析从实验室带入运动场和临床康复环境。全集成无线自供电智能鞋垫采用非线性协同压力传感策略，通过22个传感器实现空间压力映射，并利用ML算法区分八种运动状态。基于TENG的自供电ML驱动步态监测系统，通过嵌入鞋垫的传感器监测步态模式和足底压力，对扁平足等生物力学异常具有高稳定性和环境适应性（）。三轴力传感器系统结合深度学习，可直接将变形诱导的图像信号映射到力数据，提供详细的足底区域应力分布（）。

损伤风险预警与预防

职业和业余运动员均面临急性和慢性过度使用损伤的风险。监测关节活动范围(ROM)和运动轨迹有助于识别增加损伤风险的生物力学模式。传统的损伤风险评估方法受个体差异和数据质量限制。基于压电复合材料（Ba_0.85Ca_0.15Ti_0.9Zr_0.1O₃(BCZT)颗粒与铜纳米颗粒）的系统可像医用敷料一样贴合关节，实时监测危险动作。仿生多模式疼痛感知系统(MMPPS)模拟人类痛觉机制，动态切换传感模式以发出有害刺激的早期警告。AI与可穿戴设备的结合进一步推进了损伤预测，例如基于32个压力传感器的仪器化鞋垫结合ML模型，可实时估计跟腱和膝关节等常见损伤部位的肌肉骨骼负荷，实现个性化的现场损伤预防。

损伤诊断

前交叉韧带(ACL)撕裂的诊断通常依赖磁共振成像(MRI)和Lachman试验，但成本高昂且依赖专业操作。可穿戴设备提供了便携、高精度且快速的替代方案。Yang等人设计的位移传感器利用光栅结构摩擦电拉伸机制，分辨率达0.2 mm，耐久性超过100万次循环。在临床Lachman试验中，3 mm的位移阈值指示潜在的ACL损伤，其与关节镜检查的一致率达85.7%，显示了作为临床诊断辅助工具的潜力（）。