基于机器学习同步供氧的新生儿呼吸监测系统：一种低成本、实时分类的皮肤仿生传感方案

这篇研究开发了一种创新型新生儿呼吸监测系统，通过丝网印刷技术制备的仿生皮肤传感器（灵敏度≈75/με，响应时间140ms）实时捕捉呼吸信号，结合多级信号处理算法和机器学习（ML）分类模型，实现了呼吸暂停（apnea）、呼吸急促（tachypnea）与正常呼吸的精准区分，并同步触发无创正压通气（CPAP）。系统在7000次循环测试中仅出现2%漂移，8小时温升<0.5°C，为资源有限地区提供了可负担的解决方案。

　　

1 引言

呼吸频率是继体温、心率和血压后的人体第四大生命体征，其异常波动可提示呼吸困难、呼吸急促或呼吸暂停等危急状况。早产儿因肺部发育不全，常面临呼吸窘迫综合征（RDS）威胁，印度等国的 neonatal mortality 与此密切相关。传统有创通气虽能挽救危重病例，但存在感染和肺损伤风险，促使临床转向非侵入式方案。现有技术如电阻抗断层扫描（EIT）和呼吸感应体积描记术（RIP）依赖笨重设备，而 Graseby 胶囊易受运动干扰。本研究通过超薄（0.15mm）硅胶基 stretchable sensor array 突破这些局限，其对角线排布的14个碳-银复合传感单元（初始电阻30-40kΩ）可精准捕捉12,500με范围内的胸廓形变。

2 实验方法

2.1 传感器设计与原理

传感器采用 Dupont PE671 碳墨（应变敏感层）与 PE874 银墨（导电层）的复合结构，经氧等离子体处理提升 Silpuran 基材的亲墨性。动态应变下，碳颗粒间距变化使电阻波动达60-80kΩ（图1d）。多路复用电路通过电压分压器（R₁=10kΩ）和12位ADC以8Hz采样率捕获信号，配合100nF/100μF电容组合抑制噪声。

2.4 性能验证

万能试验机（UTM）测试显示，在模拟呼吸应变范围（0-20,000με）内，传感器灵敏度达75/με，7000次循环后仅2%漂移。阶跃负载测试中，140ms的快速响应时间确保实时性，8小时连续工作温升<0.5°C符合新生儿安全标准。

3 呼吸监测系统

3.1 仿生实验平台

采用6月龄婴儿人体模型，胸部植入气囊模拟肺扩张（潮气量120mL）。传感器通过PVP医用胶贴附，配合ESP32S3控制器实现30-60次/分钟（BPM）的呼吸模拟。

3.3 信号处理

独创的多级滤波算法：

1. SNR>5dB的通道筛选（公式1）；

2. FFT保留0-1Hz呼吸特征频段；

3. 互相关系数剔除异相信号；

4. 归一化处理（公式2）生成融合信号。斜率检测模块通过5点梯度法识别吸气（正斜率）、呼气（负斜率）和平稳期（阈值0.005）。

3.5 机器学习分类

XGBoost、SVM和1D-CNN三模型对比显示，CNN在33,000数据点的五折交叉验证中表现最优，准确区分：

• 正常呼吸（30-50BPM）

• 呼吸急促（50-60BPM，伴潮气量降低）

• 呼吸暂停（>20s停滞）

4 同步供氧系统

基于斜率检测触发12V隔膜泵，在吸气相启动CPAP模式（恒压供氧），呼气相通过电磁阀泄压。HX710B压力传感器验证了<200ms的响应延迟，满足临床同步性需求。

创新价值

该系统突破传统NICU设备的空间限制，使袋鼠式护理（kangaroo care）成为可能。丝网印刷工艺使单件成本降至传统EIT系统的1/20，为印度等发展中国家提供了可推广的呼吸支持方案。未来可通过增加PPG模块实现血氧同步监测。