人間の生理学的信号収集のためのウェアラブル静電容量式圧力センサー
人間の生理学的信号収集のためのウェアラブル静電容量式圧力センサー
近年、ウェアラブル電子機器やスマートスキンの分野で、柔軟性、生体適合性、伸縮性を備えた高感度圧力センサーが注目されています。ただし、センサーの高感度と低コストの両方を実現し、繊細な生理学的信号監視装置で使用するための最高の機械的安定性と超低検出限界を実現することは、かなりの課題です。上記の問題に対応して、この記事では、超低圧測定用の高感度で信頼性の高い静電容量式圧力センサー（CPS）の簡単な準備方法について報告します。TrFE）生体適合性ポリ（3,4-エチレンジオキシチオフェン）ポリスチレンスルホン酸（PEDOT：PSS）/ポリジメチルシロキサン（PDMS）電極の間に挟まれた複合ナノファイバー足場（CNS）誘電体層として。用意したセンサーは、感度0.51kPa-1、最小検出限界1.5Paです。また、広い圧力範囲（0〜400kPa）でリニアセンシングが可能で、10,000サイクルでも高い信頼性を実現します。超高圧（167 kPa以上）で。オリジナルのPVDF-TrFEナノファイバー足場と比較して、ナノファイバーベースのセンサーの感度は、MXeneをロードすることで改善できます。これにより、誘電率が40に増加し、圧縮弾性率が58％に減少します。このセンサーは、生理学的信号（脈拍数、呼吸、筋肉の動き、目のけいれん）を監視することで患者の健康状態を判断でき、次世代のヒューマンマシンインターフェースデバイスの有力な候補です。また、広い圧力範囲（0〜400 kPa）でリニアセンシングを実現し、超高圧（167 kPa以上）でも10,000サイクルで高い信頼性を実現します。オリジナルのPVDF-TrFEナノファイバー足場と比較して、ナノファイバーベースのセンサーの感度は、MXeneをロードすることで改善できます。これにより、誘電率が40に増加し、圧縮弾性率が58％に減少します。このセンサーは、生理学的信号（脈拍数、呼吸、筋肉の動き、目のけいれん）を監視することで患者の健康状態を判断でき、次世代のヒューマンマシンインターフェースデバイスの有力な候補です。また、広い圧力範囲（0〜400 kPa）でリニアセンシングを実現し、超高圧（167 kPa以上）でも10,000サイクルで高い信頼性を実現します。オリジナルのPVDF-TrFEナノファイバー足場と比較して、ナノファイバーベースのセンサーの感度は、MXeneをロードすることで改善できます。これにより、誘電率が40に増加し、圧縮弾性率が58％に減少します。このセンサーは、生理学的信号（脈拍数、呼吸、筋肉の動き、目のけいれん）を監視することで患者の健康状態を判断でき、次世代のヒューマンマシンインターフェースデバイスの有力な候補です。オリジナルのPVDF-TrFEナノファイバー足場と比較して、ナノファイバーベースのセンサーの感度は、MXeneをロードすることで改善できます。これにより、誘電率が40に増加し、圧縮弾性率が58％に減少します。このセンサーは、生理学的信号（脈拍数、呼吸、筋肉の動き、目のけいれん）を監視することで患者の健康状態を判断でき、次世代のヒューマンマシンインターフェースデバイスの有力な候補です。オリジナルのPVDF-TrFEナノファイバー足場と比較して、ナノファイバーベースのセンサーの感度は、MXeneをロードすることで改善できます。これにより、誘電率が40に増加し、圧縮弾性率が58％に減少します。このセンサーは、生理学的信号（脈拍数、呼吸、筋肉の動き、目のけいれん）を監視することで患者の健康状態を判断でき、次世代のヒューマンマシンインターフェースデバイスの有力な候補です。
図1.CNSベースの圧力センサーの準備プロセスと構造。（A）CNSベースの圧力センサーの準備プロセスの概略図を示します。（B）CNSのTEM画像。単層および多層のMXeneナノフレークを示しています。挿入図は、MXene（002）平面に対応する0.93nmの層間間隔を示す高分解能TEMです。（C）写真は、さまざまなMXene濃度のCNSと製造されたセンサーを示しています。（D）CNSのFESEM画像。挿入図は、より高い倍率での形態を示しています。（E）複合ナノファイバーのEDSダイアグラムは、元素C、F、O、およびTiを示しています。
図2.CNSの概略図と表面の特徴。（A）MXeneをポリマーマトリックスに導入した後に得られる相乗効果を示す概略図。（B、c）さまざまなMXene濃度でのCNSのXRDおよびFTIR分析。（D）5 wt％のMXene濃度を含むCNSのC1s領域のXPSスペクトル。
図3.さまざまなサンプルの電気的特性（a）MXene含有量（wt％）に対するCNSの誘電率と損失接線。（B）誘電率の周波数依存性。
図4.CNSベースの圧力センサーの電気機械的特性。（A）異なるエレクトロスピニング時間に基づくCNSベースのセンサーの性能比較。（B）最大0.4mmの圧縮距離で安定した負荷の下でのセンサーの圧縮応力-ひずみ性能。（C）CNSベースのセンサーの初期静電容量（C0）と相対変化（ΔC/ C0）は、MXeneの含有量（wt％）に依存します。（D）0.4 mmの一定の圧縮距離の下で、異なるMXene濃度（wt％）の誘電体層を含むCNSベースのセンサーの相対静電容量変化（ΔC/ C0）。（E）MXeneの負荷が5 wt％の場合に得られる圧力感度を示すΔC/ C0の記述グラフ。この図は、低圧領域でのセンサーの感度を示しています。（F）異なるMXene濃度の場合、0.3 mmの一定の圧縮距離でのCNSベースのセンサーの周期的静電容量応答（荷重/除荷）、および（g）異なる荷重/除荷圧力値では、MXene濃度はCNSの周期的静電容量応答の5 wt％です。ベースのセンサー。（H）1.5kPaの圧力での荷重/除荷サイクルにおける応答および緩和時間。（I）前回の報告と比較して、感度の観点からのセンサーの性能は、低圧範囲の低い検出限界で報告されました。
図5.（a）低電圧のロードおよびアンロードサイクルでの静電容量応答の相対的な変化。（B）約38 mgの長粒米を順次ロードおよびアンロードして、検出下限（LOD）を示します。（C）約167 kPa（40％を超える圧縮）の高圧下での10,000回のロードおよびアンロードサイクル後のCNSベースの圧力センサーのサイクル安定性テスト。挿入図は、安定性テストの開始時と終了時に選択されたサイクルを示しています。
図6.人間の生理学的信号の継続的かつリアルタイムの監視におけるCNSベースのセンサーのアプリケーション。（A）動脈拍動のリアルタイムモニタリング。イラスト：手首の皮膚領域に取り付けられたセンサーの写真。（B）特徴的なピークに関する詳細情報を含む、単一パルス波形の拡大図。（C）運動前後の呼吸を監視します。イラスト：呼吸数を監視するためにマスクに取り付けられたセンサーの写真。（D）この図は、センサーが4.8 Hzの静的振戦周波数での指のタッピングをシミュレートして、原発性パーキンソン病を検出することを示しています。イラスト：一定の周波数でセンサーの表面を指で叩くのを模倣した写真。（E）4.8Hzの特定の震え周波数でのパーカッションをシミュレートする拡大画像。（F）センサーを短く押したり長く押したりすると、国際的なモールス信号を生成できます。（G）拳を可逆的に開閉することにより、筋肉の収縮と拡張を監視します。イラスト：腹部の手首の筋肉に取り付けられたセンサーの写真。（H）目のけいれん中に目の筋肉の振動によって生成される信号を監視します。イラスト：目の皮膚に取り付けられたセンサーの写真。（I）繰り返しの異なる波形で異なる音を認識するセンサーの能力。イラスト：喉の表皮に取り付けられたセンサーの写真。（H）目のけいれん中に目の筋肉の振動によって生成される信号を監視します。イラスト：目の皮膚に取り付けられたセンサーの写真。（I）繰り返しの異なる波形で異なる音を認識するセンサーの能力。イラスト：喉の表皮に取り付けられたセンサーの写真。（H）目のけいれん中に目の筋肉の振動によって生成される信号を監視します。イラスト：目の皮膚に取り付けられたセンサーの写真。（I）繰り返しの異なる波形で異なる音を認識するセンサーの能力。イラスト：喉の表皮に取り付けられたセンサーの写真。
