深度学习驱动的自供能可穿戴压电贴片：革新生理监测技术

为解决持续健康监测的能源供给难题，研究人员开发了一种基于铌酸钾钠(KNN)压电纳米发电机(PENG)的深度学习驱动可穿戴贴片。该设备通过采集人体运动能量实现自供能，结合卷积神经网络(CNN)实时识别活动类型并监测脉搏、心跳等生理参数，其柔性KNN/PDMS复合材料兼具生物相容性与耐久性。这项研究为个性化医疗监测提供了可持续解决方案。

　　

这项突破性研究展示了一种革命性的自供能生理监测系统。通过将铌酸钾钠(KNN)纳米颗粒与聚二甲基硅氧烷(PDMS)复合制成柔性压电薄膜，构建的压电纳米发电机(PENG)可高效捕获行走、跑步甚至手指敲击等微小机械能。该装置巧妙地将能量采集与生理传感功能合二为一，可持续监测脉搏波和心电信号。

研究团队采用深度学习算法对压电信号进行智能解析——卷积神经网络(CNN)架构能准确识别不同身体活动模式，并从中提取出关键生理参数。这种自供电设计彻底摆脱了传统穿戴设备对电池的依赖，其生物相容性材料确保长期佩戴安全性。

该技术标志着能量采集技术与人工智能在医疗穿戴领域的完美融合，为个性化健康管理、运动机能评估乃至临床诊断提供了创新工具。特别是KNN基压电器件展现出的高能量转换效率，使得全天候健康监测成为可能，预示着下一代智能医疗设备的可持续发展方向。