近日，学院2021级硕士研究生孔苓吉和2020级硕士研究生方正合作在期刊Advanced Energy Materials（2022年IF：27.8）上发表研究论文“A self-powered and self-sensing lower-limb system for smart healthcare”，研究生孔苓吉、方正的指导教师为潘亚嘉副教授、张祖涛教授，yh533388银河为通讯作者的唯一单位。

万物皆有能，能量信号一体双面存于自然，自供电取其能量，自感知取其信号。源于此思想，该论文提出一种用于智能医疗的具有负能量收集和运动捕捉功能的自供电传感下肢系统。自供电传感下肢系统取人体之能量，转人体之信息，收集人体行走时的膝关节负功并准确检测膝关节转动。基于LSTM深度学习模型，实现身份识别和运动状态检测；双路循环，双向转化，用于智慧医疗，运动康复监控。

论文介绍：

在人工智能物联网（AIoT）时代，可穿戴设备在智慧医疗领域得到广泛发展。本文提出了一种用于智能医疗的，具有负能量收集和运动捕捉功能的自供电传感下肢系统（SS-LS）。SS-LS通过半波电磁发电机(HW-EMG)实现系统的自可持续运行，其能以较低的能量收集成本采集人体行走时的负功。此外，基于二进制码的三通道摩擦纳米发电机（TC-TENG）使该系统具有运动捕捉功能，同时可以准确检测膝关节旋转的角度和方向。台架实验表明，HW-EMG的平均输出功率为11.2 mW，能够满足蓝牙模块或低功耗传感器的能量循环。TC-TENG的三通道电压信号与二进制信号特征匹配，可以精确检测转动的角度和方向。此外，基于LSTM深度学习模型，SS-LS的身份识别准确率达到99.68%，运动状态检测准确率达到99.96%。我们还进行了帕金森病检测、跌倒检测、以及三种训练模式（坐站、平衡和行走训练）监测的演示，该系统表现出了出色的传感性能。SS-LS在运动康复领域具有广阔的应用前景，将极大促进智慧医疗的发展。

                                                                            图1. 自供能与自传感模型

                                                              图2. SS-LS的功能概述和潜在应用领域

                                           图3. 自供能和自感应的下肢智能保健系统（SS-LS）结构

                                                                        图4. 系统性能及测试分析

原文链接：https://doi.org/10.1002/aenm.202301254