研究背景
扁平足是一种常见的骨科疾病，特征是足弓在站立或行走时呈现平坦状态，影响约30%的人口。传统扁平足筛查方法虽然被广泛使用，但由于其主观性、成本高、无法动态观察足部变化以及辐射风险等问题，实际应用受限，尤其是对孕妇和儿童等特定人群。因此，亟需一种更具有效性、可及性和客观性的筛查技术，以更早地识别和管理扁平足，从而预防其进一步恶化。近年来，摩擦纳米发电机（TENG）作为一种自供能传感技术，凭借其高灵敏度、柔性和便捷性，逐渐在压力监测和生物医学健康监测领域获得关注。TENG基于摩擦电效应和静电感应，能够在日常活动中将机械能转化为电能，无需外部电源支持。因此，本文提出使用基于TENG的鞋垫传感器进行足底压力分布检测，并结合机器学习技术进行平足自动检测的创新方法，以提供更简便、低成本且高效的平足筛查方式。
文章概述
本工作介绍了如何利用 TENG 传感器检测扁平足，重点是详细的足底压力分布，而不是一般的步态分析。与传统的单输出贴片式 TENG 不同，这项工作的主要创新包括将多个传感区域集成到一个可穿戴设备中，并利用机器学习（ML）进行精确的数据解读。实时监测系统可以为扁平足患者提供即时反馈和纠正措施建议，从而提高可用性，同时也证明了传感器在其他足部疾病和更广泛的医疗应用方面的多功能性。在研究中，经过优化的鞋垫形 TENG 传感器有三个感应区域，在 100 名参与者中识别扁平足的结果非常出色，使用随机森林分类器算法训练的数据准确率达到 82%。此外，与 Noraxon 等商业鞋垫相比，该可定制、自供电、低成本的鞋垫形 TENG 传感器显示出极具竞争力的结果，表明它具有强大的商业潜力。
该研究以“AI-Enhanced Gait Analysis Insole with Self-Powered Triboelectric Sensors for Flatfoot Condition Detection”为题发表在《Advanced Materials Technologies》上。
原文链接：
https://doi.org/10.1002/admt.202401282
图文导读
图1 a) TENG装置的制作示意图。b) 鞋垫形 TENG 传感器的结构设计，鞋垫形 TENG 传感器的工作机制。c) TENG 的灵敏度分析。d) TENG 180000 次循环的耐久性测试结果。e) 反三相正极材料性能的比较。f) 三相正极材料的最大峰峰值电压输出。g) TENG 的力线性分析。
图 2 a) 当人踩在脚背部位时传感器的实时输出模式。b) 当人踩在脚掌部位时传感器的实时输出模式。c) 当人在一个地方行走时传感器的实时输出模式。d) 步行时每个传感器的单独输出信号分析 e) 无扁平足者的实时传感器输出和足镜验证。f) 严重三度扁平足者的实时传感器输出和足镜验证。g) 二度扁平足者的实时传感器输出和足镜验证。
图3 a) 扁平足与年龄、鞋码、性别、体重的相关矩阵。b)对有无扁平足参与者的每只脚的最大数据的柱状比较图。c) 混淆矩阵中的 ML 训练结果。d) 有扁平足和没有扁平足的参与者通过鞋垫形 TENG 传感器和 Noraxon 获得的步态分析比较。e) 条形图显示 Noraxon 和鞋垫形 TENG 传感器为扁平足和非扁平足参与者提供的压力分布接触面积和 “中间/总 ”比率条形图。g) 使用经过 ML 训练的鞋垫形 TENG 传感器得出的预测和验证结果。
图4 a) TENG传感器实时监测扁平足示意图，硬件设置有微控制器和蓝牙模块进行信号处理，并将数据无线传输到处理工具。b)机器学习流程图。
总结
总结
综上所述，本研究开发了一种基于TENG的自供能智能鞋垫，用于扁平足检测。通过在鞋垫中集成多个传感区域，TENG能够灵敏地监测足底压力分布，提供关于足部健康状态的实时数据。结合随机森林分类器等机器学习算法，该鞋垫设备实现了82%的准确率，有效区分正常足弓与扁平足状态，且可以识别扁平足的严重程度。相较于传统的扁平足检测方法，TENG鞋垫具备自供能、低成本、易用性和实时反馈等优势，展现出成为商业化扁平足检测设备的潜力。
编辑：苏木 | 审核：树屋鼠
