研究背景
口罩用于减少接触病毒和空气污染等其他环境危害，将可穿戴电子设备集成到口罩中可以为个人和公共健康提供有价值的帮助。然而，目前存在相关的可穿戴设备通常仅设计用于监测少数的生物信息，如呼吸模式，且不提供有关面罩状态的信息。
创新点
本文报道了一种可形变的感官接口，可连接到任意面罩内部，用于监测与传染病、环境条件和面罩佩戴状态相关的信号，包括皮肤温度、湿度、言语活动、呼吸模式和面罩的佩戴状态。感官面罩发出的多模态信号通过定制的移动应用程序无线传输到服务器。同时还开发了一种机器学习算法，用于可靠地解码面罩位置，男性和女性受试者的准确率分别为92.8%和77.5%。
下面从三部分详细介绍该研究：
1. 系统架构
2. 电路设计
3. 性能测试
一、系统架构
a）本研究中开发的整体系统示意图。附在面罩上的电子设备收集环境和生物数据。收集的数据通过蓝牙传输到移动设备，然后移动设备中的数据传输到服务器以进行数据存储和处理
b） 附在面罩上的可形变电子设备示意图
c、 d）导线和电容传感器（c）以及组装在柔性印刷电路板上的微处理器、电阻器和加速度计的图像（d）
e） f-PCB（柔性电路板）结构示意图
f）本研究中开发的cMaSK的照片。f-PCB连接到主PCB（m-PCB），主PCB保存、传输数据并供电
g） 一张人类受试者戴着cMaSK口罩的照片
二、电路设计
01
柔性电路板（f-PCB）
a）f-PCB正面。
1：微控制器（ATtiny806），控制电容传感器，2：加速度计（LIS3DHTR），3:ESD保护用TVS二极管，4:连接器引脚，5:I2C总线信号
b）f-PCB背面。
1：温度和湿度传感器（SHT40），2：电容器传感器垫，3：压力传感器（ICP-10110）
c） TVS二极管和连接器引脚
d）微处理器
e）I2C总线转换器
f）电容传感器垫
g）温度和湿度传感器
h）压力传感器和温度和湿度传感器
02
主控电路板（m-PCB）
a）m-PCB正面照片
1：微控制器（DA14585），控制f-PCB和无线数据中的所有传感器使用蓝牙通信
2：存储DA14585固件的闪存（AT25XE021A）
3：用于数据存储的另一个闪存（MX25U6432F）
4：蓝牙天线
5：电池充电和电源电路
6：外部电源管理和故障恢复逻辑
7：TVS保护二极管
b）m-PCB背面照片
1：用于与f-PCB接口的连接器引脚
2：Li-Mn可充电电池
3：USB充电端口
4：复位引脚
5：电路指示灯发光二极管
03
数据通信
1）所有系统均由微处理器（来自Dialog的DA14585）控制；
2）压力（ICP-10110），加速计（LIS3DHTR）和温度湿度（SHT40）检测器直接与DA14585通过I2C通信。
3）电容器传感器由另一个微控制器（Atmel的ATtiny806）控制。这两个子微控制器与主微控制器通过I2C通信。
4）所有传感器的数据都保存在缓存中然后通过SPI传输到Flash。
5）当请求发生时Flash数据移动到主控制器中的另一个缓存，然后通过蓝牙传输到移动设备，移动应用程序将接收到的数据传输到服务器进行数据存储处理。
三、性能测试
a） 包含每个传感器位置的f-PCB示意图。
b） 测试面罩位置示意图。
c）所有电容传感器（FF_all）、
d–f）空气压力（d）、加速度计（e）和温度和湿度传感器（f）的平均FF值（左侧，位于边缘的传感器（SHT40_1）；右侧，位于中心的传感器（SHT40_2））。c中的数据表示为平均值 ± s、 d.（n = 来自独立测量的10）。
g）在不同呼吸速率下从SHT40_ 2测量的温度和湿度值。
h）在各种言语活动下从气压传感器测量的气压值。红色箭头表示咳嗽发生的地点。
a）机器学习模型的建立示意图。用于训练模型的数据从服务器加载，然后在应用于训练模型之前进行处理。分类模型基于k-means聚类。对于测试，将测试数据集应用于模型，并将预测位置与真实值进行比较。
b、 c）在女性（b）和男性（c）受试者数据集上测试的混淆矩阵。使用基于统一模型的训练模型获得混淆矩阵结果。左、中、右列分别显示了使用电容传感器、加速度计和两者训练的分类模型的混淆矩阵。
读后感
本文介绍了一种可监测多种生理、环境信号及口罩状态的模块化电子口罩配件。其可应用于任意类型的商业化口罩，并在不同性别和体型的人群中都展现出良好的普适性。出色的材料—电子集成度是该设备的亮点，值得说明的是该电路中增加了静电防护的设计，提高了电气安全性；该研究中开发的机器学习算法总体而言分类准确率较高，但样本仍太少，有必要通过多种方式扩大数据集，完善算法的可靠性。
参考文章：
Kim, JH., Marcus, C., Ono, R. et al. A conformable sensory face mask for decoding biological and environmental signals. Nat Electron (2022). https://doi.org/10.1038/s41928-022-00851-6
本文系医工学人原创内容
诚邀您的来稿
媒体转载联系授权可添加下方微信
医工学人简介
医工学人是在医疗科技创新与医工交叉背景下成立的多高校学生学术组织。旨在建立医学、工程学领域研究者的对话渠道，创造交流分享医工交叉前沿技术的优质平台，推动医疗科技创新与医工交叉融合。
目前组织内共有近三百位来自复旦大学、西安交通大学、上海交通大学、清华大学、浙江大学、中国科学技术大学、各高校附属医院等40余所重点高校、医院及科研单位医工学科相关的医生、学生、专家学者等。欢迎志同道合的你加入我们！
医工学人报名请添加社群发起人微信（备注姓名+单位），请简单介绍一下想加入医工学人交流群的原因和感兴趣的方向，方便我们管理社群，谢谢！
本篇文章来源于微信公众号: 医工学人
