连续、准确的脊柱动力学监测在姿态矫正、康复评估和慢性肌骨疾病管理中具有不可替代的重要性，开发兼具高精度、穿戴舒适性和长期稳定性的监测系统可以为这一目标提供核心硬件支持。依赖X射线、CT、肌电等专业设备的传统监测方法通常仅能提供快照式信息，难以满足日常连续使用的需要。此外，相机运动捕捉的视线要求、复杂标定和隐私问题，也给无行为约束、无安全负担的日常脊柱监测需求提出了严峻挑战。
基于柔性可穿戴传感器阵列的多点变形追踪技术为解决上述问题提供了新思路，其通过贴附于背部并将局部肌肉与皮肤变形转变为电信号，可实现脊柱运动相关应变的连续追踪。基于层片搭接石墨烯薄膜的应变传感器以其低成本的溶液制备工艺与可调的传感性能得到了广泛应用。然而，现有石墨烯传感阵列多受限于石墨烯墨水与PDMS等可拉伸基底间的相容性差、薄膜沉积不均匀等问题，导致通道间基线电阻和机电响应差异显著，从而难以实现可靠的肌肉变形解耦，制约了其在包括脊柱监测在内的多种表皮传感中的实际应用。
针对这一问题，深圳技术大学史济东副教授等人开发了一种基于丙二醇（PG）辅助打印-转移策略的石墨烯应变传感器阵列（图1a）。该阵列以光面照片纸为中间基底，借助PG改善石墨烯墨水分散性并在石墨烯/照片纸界面形成中间层，使界面粘附力下降超过90%，实现了石墨烯薄膜向PDMS基底的高效率转移（图1b-1c）。该阵列具备优异的变形稳定性（图1d），其8个通道的基线电阻差异系数低至4.12%，通道间机电行为高度一致（图1e），单传感器在约18%应变范围内平均灵敏度GF约200，并在5000次循环加载后保持稳定响应（图1f）。
图1. (a) 石墨烯应变传感阵列的制备工艺流程；(b) PG 辅助石墨烯从照片纸剥离示意图；(c) 有(下)无(上) PG 辅助转移时照片纸上石墨烯残留对比。(d) 器件承受弯曲和拉伸变形照片。(e) 阵列中8通道的应变传感性能。(f) 单个器件在5000次循环下的稳定性。
基于传感器阵列对多通道应变信号的精准响应，在无线分析型运动追踪中，该系统可通过蓝牙模块实时采集8通道电阻信号，并在膝屈伸、划船和胸推等动态运动中记录具有通道特异性的时空波形，从而不仅辨别运动类型，还能量化不同外部阻力水平下的运动幅度（图2a-2c）。基于传感阵列的优异性能，研究团队将这种阵列应用于脊柱动力学监测中，通过捕获6种典型躯干姿态对应的空间分辨应变场（图2d），结合轻量级1D-CNN进行机器学习训练，并采用留一受试者进行交叉验证（图2e），在5名志愿者、3000组多通道数据分析中展现出紧凑的类内聚类与清晰的类间分离（图2f）。另一方面，该数据驱动框架也展现出良好的泛化性与计算效率，可对驼背站立、低头坐姿、左倾坐姿、右倾站立、左倾站立和右倾坐姿等姿态实现准确识别，分类准确率高达95.4%（图2g），从而为日常脊柱健康追踪、康复评估与智能可穿戴人机交互提供了高效方案。
图2. 石墨烯应变传感阵列的应用。(a-c) 传感器在测试者膝屈伸(a)、划船(b)和胸推(c)等运动时的多通道信号记录。(d) 6 种躯干姿态下传感阵列8通道的典型信号。(e) 用于躯干姿势识别的机器学习训练和验证准确率曲线。(f) 不同姿态的特征空间分布。(g) 6种躯干姿态混合矩阵，分类准确率95.4%。
本工作提出了一种基于丙二醇辅助印刷-转移策略的石墨烯应变传感阵列，兼具通道间低至4.12%的基线电阻差异，高机电性能一致性，高灵敏度、宽检测范围以及良好的循环稳定性，克服了现有石墨烯传感器阵列因墨水与PDMS基底不相容、沉积不均匀而导致的通道差异大、信号解耦困难等局限。通过光面照片纸中间基底与PG墨水工程，实现了器件的高良率、可规模化制备，并成功应用于无线运动追踪和脊柱动力学监测等实际场景，结合蓝牙采集与1D-CNN对6种躯干姿态实现95.4%的分类准确率，为日常脊柱健康追踪、康复评估与智能可穿戴人机交互提供了高效可靠的新方案，在生理监测、运动传感和下一代智能电子设备集成领域具有广阔应用前景。
该工作以“Propylene Glycol-Assisted Printing of Graphene Piezoresistive Sensor Array for Analytical Motion Tracking and Spinal Kinetics Monitoring”发表于国际知名期刊《Small》。文章共同第一作者为深圳技术大学工程物理学院2023级硕士研究生李星逸与2024级硕士研究生卢思祁。通讯作者为深圳技术大学工程物理学院的史济东副教授，深圳技术大学工程物理学院为论文的第一单位。本工作也得到了国家自然科学基金、广东省基础与应用基础研究基金等项目的支持。
文章信息：Xingyi Li, Siqi Lu, Jiahui Lu, Yupeng Chen, Yuming He, Chaoshuo Huang, Lingyu Zhao, Fang Xu, Minkun Cai, Jidong Shi*. Propylene Glycol-Assisted Printing of Graphene Piezoresistive Sensor Array for Analytical Motion Tracking and Spinal Kinetics Monitoring. Small, 2026, e75826
文章链接：https://onlinelibrary.wiley.com/doi/10.1002/smll.75826
本文来自高分子科技，本文观点不代表石墨烯网立场，转载请联系原作者。
