||
北京时间2023年5月22日晚23时,美国加州大学圣地亚哥分校(UCSD)徐升团队在Nature Biotechnology杂志上发表题为“A fully integrated wearable ultrasound system to monitor deep tissues in moving subjects”的文章。
该研究开发了一种可以检测运动中生理数据的全集成自主可穿戴式超声系统贴片。
加州大学圣地亚哥分校的林沐阳、 张子杨、 郜晓翔为共同第一作者,徐升教授为通讯作者。
可穿戴设备正在健康管理和预防疾病方面发挥着越来越重要的作用。然而,目前大部分可穿戴设备只能记录皮表或者皮下浅层组织的信号,这只能揭示有限的健康和疾病信息。可穿戴超声传感技术为深层组织信号检测提供了突破口,为连续生理指标传感打开了一个新的维度
然而,目前可穿戴超声检查在适用性、测量连续性和可靠性方面还存在诸多局限。这些设备普遍依托于庞大的处理设备,并依赖专业医师的精准手动操作,这导致此类设备极大限制了患者的活动自由度,并只能够进行定时定点检查。针对这些问题,加州大学圣地亚哥分校徐升团队提出了一种全面集成的自主可穿戴式超声系统贴片(ultrasonic-system-on-patch,USoP)。这种全集成的无线传感系统包含一个微型化柔性电路,以及一个超声换能器阵列,可以跟踪移动目标并自动进行数据采集和处理,能实现对移动目标深部组织的长期监测。这项技术可以免去手持超声探头的要求,使得数据采集更加方便和自由。在运动的被试身上,USoP可以连续监测生理信号,包括中心血压、心率、心输出量、潮气量等。这一结果进一步推进了深层组织信号的持续监测和医疗物联网的发展。
探头制造、电路设计和算法优化领域经过几十年的发展,已经让医学超声能够定性和定量地获取人体的各种生理信息,包括解剖结构、组织运动、机械特性和血液动力学等。与其他医学成像方法,如X射线计算机断层扫描和磁共振成像相比,超声具有更高的安全性、更低的成本和更强的通用性。然而,超声的易用性和准确性也面临着一些技术上的挑战。首先,常用的超声探头体积较大,需要连接到大型控制系统,这限制了它们在中心化设施的使用。其次,这些探头需要手动放置和操纵,并要求受试者保持静止,导致了操作者依赖性。第三,声像图数据的解释需要经过专门培训的医学专业人员,需要大量的人工处理且容易出错。
因此, 近年基于软结构设计的新兴可穿戴超声探头可以自然地贴合皮肤,并且无需手持,方便获取深部组织信号。然而,由于超声硬件通常需要高功率,高带宽, 这些可穿戴探头都需要繁琐的电线来连接电源和传输数据, 并且普遍以来专业人员对传感器进行精准手动部署,这极大地限制了使用者的活动和该技术的适用性。
图1:自主可穿戴式超声系统贴片设计
因此, 柔性超声传感技术突破的关键点在于拥有一个完全集成的无线系统,摆脱有线连接束缚并不依赖于专业人员的手动操作。系统应自主完成移动目标跟踪,自动数据采集和处理。USoP将超声探头和微型无线控制电子器件集成在一个柔软的可穿戴设备上, 实现了上述技术突破。这项技术使用多通道深部组织信号进行监测,该信号经过调适和预处理后,通过无线传输到后端接收器,由专门的机器学习算法进行分析。算法会根据皮下目标组织的移动情况对数据进行分类,并选择最佳传感通道,以实时产生来自目标组织的连续数据流。这种技术能够在人体运动过程中连续监测深部组织信号,无需额外人工操作,同时规范了数据解读过程,扩大了在住院和门诊条件下的应用前景。
图2:柔性超声传感电路
USoP的硬件包括超声探头和控制电子器件。超声探头使用微型压电晶体将电信号转换为超声波信号,并将接收到的超声波信号转换为电信号。控制电子器件包括多通道前端电路、后端处理单元和无线通讯模块,采用柔性材料制造,从而实现了USoP的柔性化和微型化设计。当USoP被贴在人体表面时,超声探头会发出超声波并接收反射回来的信号。这些信号经过处理和预处理后,通过无线方式传输到后端接收器进行分析。在此过程中,机器学习算法和深度学习技术被用来自动化采集数据、选择信道和进行数据后处理。当在皮肤表面的USoP与皮下目标组织发生相对滑动时,算法会实时调整并选择最佳信道,从而保证连续的数据流。因此,该技术可以实现对深部组织信号的连续监测,并且可以在运动状态下进行监测。
总体上看,该技术有三大特点:
1.无线连接:通过将超声波探头和微型控制电子器件集成在柔软的可穿戴设备中,实现了无线通信。多个传感信道从人体采集的数据在设备上进行预处理,然后通过无线方式传输到后端接收器。这种无线连接技术可以消除传统超声波检查需要有线连接的限制,从而让配戴者可以自由移动。
2.深层组织信号动态传感:该研究提供了一个可以采集多种深层组织信号的传感技术平台。利用超声传感的方式,深层组织的动态信号可以被连续传感,包括动脉搏动,心肌收缩,以及隔膜位移等动态深层组织的信号 (图3)。通过分析此类深层组织信号可以得出关键生理指标数据,例如心率,中心血压,动脉硬度指数,心输出量,以及潮气量等,进而为健康监测, 医疗诊断,以及治疗决策提供指导。
图3:全身范围深层组织信号监测,包括动脉搏动、心肌收缩、隔膜位移等
3.自动化数据采集和处理:在数据采集方面,该技术利用前端集成电路完成硬件滤波,高速采样以及数据传输。并且采用了基于机器学习的智能传感通道选择方案,自动选择最佳的超声波探头,并对来自深部组织的信号进行连续监测。这种自动化的数据采集方式可以消除传统超声波检查中人工操作繁琐,运动伪影严重以及难以长期使用的问题。此外,该技术还对深度学习模型的泛化性进行了优化。利用领域自适应方法,模型可以将基于原始训练数据集(特定被试)的特征映射至目标领域(新被试),进而使模型在大规模样本测试中具有鲁棒性。自动化数据处理方面,该技术主要基于传统信号处理方法,利用互相关算法解算超声数据并得出组织动态信号,进而实现临床数值指标计算以及分析。
该技术是柔性超声传感技术从有线到无线,从人工操作到自主传感的一大革新。徐升教授的研究团队认为,柔性超声传感技术的未来发展应着眼于进一步提升可穿戴超声设备的长期佩戴性能,具体包括提升器件的机械性能,集成能量收集装置实现持续供能,以及研发适用于长期使用的皮肤粘合剂和超声耦合剂等。
相关论文信息:
https://www.nature.com/articles/s41587-023-01800-0
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-11-1 06:55
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社