《SCIENCE ADVANCES》：Drawn-on-skin electronic tattoo as a closed-loop sensing-stimulation system for the muscles
编辑推荐：
为解决现有电刺激（ES）与肌电图（EMG）感知系统在个性化适配、穿戴舒适度与信号保真度方面的难题，研究人员开发了一种基于“皮肤绘制”（DoS）电极的全无线、表皮集成闭环感知-刺激（CLSS）平台。该系统可实现高质量EMG记录与精准ES，并通过机器学习（>90%准确率）识别手势以自适应调控刺激参数。在重物抓握任务中，系统显著提升了使用者的神经肌肉效率。这项工作为个性化运动康复、交互式训练及虚拟现实应用提供了创新工具。
想象一下，如果有一张轻薄如纹身贴的电子“皮肤”，不仅能读懂你肌肉的“心思”，还能在你需要时给予精准的“助力”，这会是怎样的体验？在康复医学和人机交互领域，同时实现高质量的肌肉电信号（EMG）感知和闭环的电刺激（ES），对于交互式肌肉训练、运动功能恢复和动觉反馈至关重要。然而，现有技术面临着设备与皮肤界面不贴合、穿戴性差、以及用户间解剖结构差异大等挑战，这限制了信号质量和刺激的精准度。传统的湿电极（如PEDOT:PSS水凝胶）易因脱水失去粘附力且难以定制，而固定尺寸的商用电极无法适应个体间肌肉分布和皮肤形貌的差异，导致治疗效果不尽如人意。为了克服这些局限，一项发表于《SCIENCE ADVANCES》的研究提出了一种全新的解决方案。
研究人员成功研制了一种全无线、表皮集成的电子纹身平台。该平台的核心是定制化的“皮肤绘制”（DoS）干电极，它采用高导电性银片复合材料墨水，可直接绘制在皮肤上，完美贴合皮肤微观形态，具有极强的粘附性和机械顺应性。该系统能记录高质量的EMG信号，并通过机器学习算法（准确率超过90%）识别不同的手势模式，进而自适应地调整ES参数，对特定肌群进行精准刺激。在一个重物抓握任务中，使用该系统的使用者达到所需抓握行为的速度显著快于无辅助的对照组，证明了其提升神经肌肉效率的潜力。这项研究不仅为个性化肌肉控制提供了新工具，也支持了跨多部位甚至个体间的协同激活，为互动运动训练、远程康复和虚拟现实环境应用解锁了新的可能。
为开展此项研究，作者主要运用了以下几项关键技术：首先，研发了可直接绘制于皮肤的定制化DoS电极制备技术，该电极由银片复合材料制成，具有高导电性和生物相容性；其次，构建了基于柔性电路的无线EMG传感与ES刺激集成模块，并通过蓝牙实现通讯与控制；再者，利用机器学习模型（基于改进的ShuffleNetV2架构）对多通道EMG信号进行特征提取与手势分类；此外，还通过有限元方法建立三维多层手臂模型，结合哺乳动物神经模型，模拟并优化了电极布局与刺激参数；最后，研究招募了健康成年受试者进行实验，评估了系统在手势诱发、物体抓握等任务中的实际性能。
On-skin CLSS system design
研究人员设计了一个闭环感知-刺激（CLSS）系统，能双向实现EMG感知和肌肉ES激活。该系统由一对表皮集成的输入输出设备构成，配备根据个体解剖结构定制的DoS电极，用于EMG测量和肌肉ES。EMG记录贴片和ES贴片均采用层状结构，控制电路通过蓝牙通信。系统架构包括信号采集处理、机器学习和ES模块，最多可连接8对DoS电极进行信号记录，并在前臂放置最多12对电极以实现在任意位置的肌肉刺激。如图1F所示，EMG和ES设备可分别附着于使用者的左右手，使得右手的运动可以由左手的EMG行为来调控，这对瘫痪患者的训练尤其有用。
Fabrication of DoS electrodes
针对个体肌肉分布和皮肤形态的差异，研究团队采用DoS银墨水来实现电极的精确放置。该墨水由液态创可贴溶剂与银片混合制成，可用笔刷或钢笔直接定制化地沉积在皮肤上，形成薄、柔性且可变形的界面，兼具EMG检测和ES电极功能。表征显示，DoS墨水的方块电阻低至0.89 Ω/sq.，导电性优异。扫描电镜图像显示墨水能有效填充皮肤表面的微沟壑，实现机械性贴合与强附着力。与商用凝胶电极和金网电极相比，DoS电极显示出更低的皮肤-电极阻抗，且在长达8小时的测试中阻抗稳定，在运动出汗后仍能牢固附着，皮肤舒适性更佳。这些特性确保了高质量、稳定的EMG信号采集。
EMG signals analysis
研究采用无线方式传输EMG数据以减小运动伪影。通过放置在前臂背侧和掌侧的四个通道DoS电极，采集了九种手势（包括竖起大拇指、锐角、OK手势、拇指弯曲、手张开、放松手势、用力抓握、腕伸展和腕屈曲）的EMG信号。经过滤波、加窗和归一化预处理后，从每个通道段提取了18个时域和频域特征。利用改进的ShuffleNetV2深度学习模型对多通道EMG特征进行融合与分类，在测试集上对九种手势的分类准确率达到90%，并通过降维可视化证实了模型能有效分离不同手势的数据簇。
ES strategy
为实现精准的肌肉电刺激，研究通过有限元法建立了三维多层手臂模型，并结合神经模型来优化定制电极的放置。仿真分析揭示了电极电压、间距、尺寸和形状对神经激活的影响：激活的神经数量与电极施加的电势呈正相关；增大电极间距会减少激活的神经数量；增大电极直径能显著增加激活的神经数量，但主要是增加浅层神经的空间覆盖，对激活深度影响不大。在电极形状方面，圆形、方形和三角形的激活效果相当，而矩形电极的长边沿手臂周向排列时，由于与神经纤维走向重叠更多，能激活更多神经。此外，阴极在诱导神经激活方面比阳极更有效。这些发现为根据解剖结构定制电极形状和方向以优化激活效率与空间精度提供了指导。
Electrical muscle stimulation
前臂因其控制手指和手腕运动的肌肉密集而被选为刺激部位。研究通过对称双相波进行肌肉刺激，并探究了脉冲宽度和频率的影响。实验验证了系统能够通过经皮ES可靠地诱发九种预定义手势。由于个体差异，每位参与者的最佳电极配置（位置、大小、形状）各不相同。总体而言， dorsal侧电极用于手指伸展， volar侧用于屈曲。与固定尺寸的商用电极相比，定制化的DoS电极在诱发手势时产生的关节角度聚合误差显著更低，证明了其因贴合性与精准定位带来的优越性能。
Applications of muscle control
CLSS系统在虚拟现实动觉反馈和辅助手部瘫痪患者恢复部分运动功能方面展现出巨大应用潜力。系统能基于检测到的运动意图或引导行为，通过ES帮助用户抓握物体。研究表明，ES诱发的手部张开和屈曲角度与自发动作角度分布相似，但最大值略低。提高ES频率可以增大手指弯曲角度和抓握力，尽管ES产生的最大抓握力仍低于自主用力。在实物抓握实验中，结合肱二头肌刺激，无自主手臂运动的用户也能成功抓举物体。一项双边协调对比实验进一步凸显了其价值：当受试者右臂功能受限时，仅用左手抓举4公斤重物轨迹不规则且偏离；而通过左手的EMG信号触发右手的ES辅助后，受试者能仅用上肢沿直线轨迹举起重物，且举起时间显著缩短。此外，受试者能在ES激活时持握重物，而在刺激停止时立即掉落，这证明了系统在辅助和康复应用，特别是针对偏瘫或部分运动功能障碍患者的潜力。
综上所述，本研究成功开发了一种无线、表皮集成的个性化CLSS系统。其核心创新在于采用了可根据个体解剖结构定制的、高附着的DoS电极，实现了高质量EMG信号检测和精准ES。结合机器学习算法，系统能准确识别多种手势，并据此进行自适应闭环刺激。实验证明，该系统能有效诱发多种手部动作，并在辅助抓握任务中提升表现。这项研究不仅为运动功能的个性化精准调控提供了创新平台，其无线、轻薄、柔性的特质也确保了良好的用户舒适度和移动性，在物理治疗、运动康复、体育训练乃至虚拟现实交互等领域具有广阔的应用前景。
