Sensor tekanan kapasitif yang dapat dipakai untuk pengumpulan sinyal fisiologis manusia
Sensor tekanan kapasitif yang dapat dipakai untuk pengumpulan sinyal fisiologis manusia
Dalam beberapa tahun terakhir, sensor tekanan sensitivitas tinggi dengan fleksibilitas, biokompatibilitas, dan daya regangan telah menarik perhatian luas di bidang perangkat elektronik yang dapat dikenakan dan kulit pintar. Namun, ini merupakan tantangan yang cukup besar untuk mencapai sensitivitas tinggi dan biaya rendah dari sensor, dan untuk mendapatkan stabilitas mekanik terbaik dan batas deteksi ultra-rendah untuk digunakan dalam peralatan pemantauan sinyal fisiologis yang rumit. Menanggapi masalah di atas, artikel ini melaporkan metode persiapan sederhana dari sensor tekanan kapasitif (CPS) sensitivitas tinggi dan keandalan tinggi untuk pengukuran tekanan ultra-rendah. TrFE) komposit nanofiber scaffold (CNS) yang diapit di antara elektroda poli(3,4-ethylenedioxythiophene) polistirena sulfonat (PEDOT:PSS)/polidimetilsiloxane (PDMS) biokompatibel sebagai lapisan dielektrik. Sensor yang disiapkan memiliki sensitivitas tinggi 0,51 kPa-1 dan batas deteksi minimum 1,5 Pa. Selain itu, sensor ini juga dapat mencapai penginderaan linier dalam rentang tekanan lebar (0-400 kPa), dan mencapai keandalan tinggi selama 10.000 siklus bahkan pada tekanan ultra-tinggi (lebih besar dari 167 kPa). Dibandingkan dengan scaffold nanofiber PVDF-TrFE asli, sensitivitas sensor berbasis nanofiber dapat ditingkatkan dengan memuat dengan MXene, sehingga meningkatkan konstanta dielektrik hingga 40 dan mengurangi modulus kompresi hingga 58%. Sensor ini dapat menentukan kesehatan pasien dengan memantau sinyal fisiologis (denyut nadi, pernapasan, gerakan otot, dan kedutan mata), dan merupakan kandidat yang baik untuk perangkat antarmuka manusia-mesin generasi berikutnya. itu juga dapat mencapai penginderaan linier dalam rentang tekanan lebar (0-400 kPa), dan mencapai keandalan tinggi selama 10.000 siklus bahkan pada tekanan ultra-tinggi (lebih besar dari 167 kPa). Dibandingkan dengan scaffold nanofiber PVDF-TrFE asli, sensitivitas sensor berbasis nanofiber dapat ditingkatkan dengan memuat dengan MXene, sehingga meningkatkan konstanta dielektrik hingga 40 dan mengurangi modulus kompresi hingga 58%. Sensor ini dapat menentukan kesehatan pasien dengan memantau sinyal fisiologis (denyut nadi, pernapasan, gerakan otot, dan kedutan mata), dan merupakan kandidat yang baik untuk perangkat antarmuka manusia-mesin generasi berikutnya. itu juga dapat mencapai penginderaan linier dalam rentang tekanan lebar (0-400 kPa), dan mencapai keandalan tinggi selama 10.000 siklus bahkan pada tekanan ultra-tinggi (lebih besar dari 167 kPa). Dibandingkan dengan scaffold nanofiber PVDF-TrFE asli, sensitivitas sensor berbasis nanofiber dapat ditingkatkan dengan memuat dengan MXene, sehingga meningkatkan konstanta dielektrik hingga 40 dan mengurangi modulus kompresi hingga 58%. Sensor ini dapat menentukan kesehatan pasien dengan memantau sinyal fisiologis (denyut nadi, pernapasan, gerakan otot, dan kedutan mata), dan merupakan kandidat yang baik untuk perangkat antarmuka manusia-mesin generasi berikutnya. Dibandingkan dengan scaffold nanofiber PVDF-TrFE asli, sensitivitas sensor berbasis nanofiber dapat ditingkatkan dengan memuat dengan MXene, sehingga meningkatkan konstanta dielektrik hingga 40 dan mengurangi modulus kompresi hingga 58%. Sensor ini dapat menentukan kesehatan pasien dengan memantau sinyal fisiologis (denyut nadi, pernapasan, gerakan otot, dan kedutan mata), dan merupakan kandidat yang baik untuk perangkat antarmuka manusia-mesin generasi berikutnya. Dibandingkan dengan scaffold nanofiber PVDF-TrFE asli, sensitivitas sensor berbasis nanofiber dapat ditingkatkan dengan memuat dengan MXene, sehingga meningkatkan konstanta dielektrik hingga 40 dan mengurangi modulus kompresi hingga 58%. Sensor ini dapat menentukan kesehatan pasien dengan memantau sinyal fisiologis (denyut nadi, pernapasan, gerakan otot, dan kedutan mata), dan merupakan kandidat yang baik untuk perangkat antarmuka manusia-mesin generasi berikutnya.
Gambar 1. Proses persiapan dan struktur sensor tekanan berbasis SSP. (A) Tunjukkan diagram skema dari proses persiapan sensor tekanan berbasis SSP. (B) Gambar TEM dari CNS, menunjukkan nanoflake MXene lapisan tunggal dan multi-lapisan. Inset adalah TEM resolusi tinggi yang menunjukkan jarak antar lapisan 0,93 nm yang sesuai dengan bidang MXene (002). (C) Foto menunjukkan CNS dari konsentrasi MXene yang berbeda dan sensor yang diproduksi. (D) Gambar FESEM dari SSP. Sisipan menunjukkan morfologi pada perbesaran yang lebih tinggi. (E) Diagram EDS dari serat nano komposit menunjukkan elemen C, F, O dan Ti.
Gambar 2. Skema dan fitur permukaan SSP. (A) Diagram skematik yang menunjukkan sinergi yang diperoleh setelah memasukkan MXena ke dalam matriks polimer. (B,c) Analisis XRD dan FTIR SSP pada berbagai konsentrasi MXena. (D) Spektrum XPS dari wilayah C1s CNS yang mengandung konsentrasi MXene 5% berat.
Gambar 3. Karakteristik listrik dari sampel yang berbeda (a) Konstanta dielektrik dan tangen rugi SSP relatif terhadap kandungan MXena (dalam% berat). (B) Ketergantungan frekuensi konstanta dielektrik.
Gambar 4. Karakteristik elektromekanis sensor tekanan berbasis SSP. (A) Perbandingan kinerja sensor berbasis SSP berdasarkan waktu electrospinning yang berbeda. (B) Kinerja tegangan-regangan tekan sensor di bawah beban yang stabil dengan jarak kompresi hingga 0,4 mm. (C) kapasitansi awal (C0) dan perubahan relatif (ΔC/C0) dari sensor berbasis SSP tergantung pada konten MXene (dalam% berat). (D) Perubahan kapasitansi relatif (ΔC/C0) dari sensor berbasis SSP yang mengandung lapisan dielektrik dengan konsentrasi MXene yang berbeda (dalam% berat) di bawah jarak kompresi konstan 0,4 mm. (E) Grafik deskriptif C/C0, yang menggambarkan sensitivitas tekanan yang diperoleh ketika pembebanan MXene adalah 5% berat. Ilustrasi menunjukkan sensitivitas sensor di area bertekanan rendah. (F) Untuk konsentrasi MXene yang berbeda, respon kapasitansi siklik (memuat/membongkar) sensor berbasis CNS pada jarak kompresi konstan 0,3 mm, dan (g) Pada nilai tekanan bongkar/muat yang berbeda, konsentrasi MXene adalah 5 wt % Dari respons kapasitansi siklik CNS -sensor berbasis (H) Waktu respon dan relaksasi pada siklus bongkar/muat dengan tekanan 1,5 kPa. (I) Dibandingkan dengan laporan sebelumnya, kinerja sensor dalam hal sensitivitas dilaporkan pada batas deteksi rendah dalam kisaran tekanan rendah.
Gambar 5. (a) Perubahan relatif dari respon kapasitansi pada siklus bongkar muat tegangan rendah. (B) Gambarkan batas bawah deteksi (LOD) dengan memuat dan menurunkan secara berurutan kira-kira 38 mg beras bulir panjang. (C) Uji stabilitas siklus sensor tekanan berbasis SSP setelah 10.000 siklus bongkar muat di bawah tekanan tinggi sekitar 167 kPa (kompresi lebih besar dari 40%). Inset menunjukkan siklus yang dipilih pada awal dan akhir uji stabilitas.
Gambar 6. Penerapan sensor berbasis SSP dalam pemantauan sinyal fisiologis manusia secara terus menerus dan real-time. (A) Pemantauan gelombang nadi arteri secara real-time. Ilustrasi: Foto sensor yang dipasang di area kulit pergelangan tangan. (B) Tampilan yang diperbesar dari bentuk gelombang pulsa tunggal, termasuk informasi rinci tentang puncak karakteristiknya. (C) Pantau pernapasan sebelum dan sesudah latihan. Ilustrasi: Foto sensor yang dipasang pada masker untuk memantau laju pernapasan. (D) Diagram menunjukkan bahwa sensor mensimulasikan ketukan jari pada frekuensi getaran statis 4,8 Hz untuk mendeteksi penyakit Parkinson primer. Ilustrasi: Foto yang meniru jari yang mengetuk permukaan sensor pada frekuensi konstan. (E) Gambar yang diperbesar yang mensimulasikan perkusi pada frekuensi getaran spesifik 4,8 Hz. (F) Tekan sebentar dan tekan lama pada sensor dapat menghasilkan sinyal kode Morse internasional. (G) Pantau kontraksi dan ekspansi otot dengan membuka dan menutup kepalan tangan secara reversibel. Ilustrasi: Foto sensor yang dipasang pada otot pergelangan tangan perut. (H) Pantau sinyal yang dihasilkan oleh getaran otot mata saat mata berkedut. Ilustrasi: Foto sensor yang menempel pada kulit mata. (I) Kemampuan sensor untuk mengenali suara yang berbeda dengan bentuk gelombang yang berulang dan berbeda. Ilustrasi: Foto sensor yang menempel pada epidermis tenggorokan. (H) Pantau sinyal yang dihasilkan oleh getaran otot mata saat mata berkedut. Ilustrasi: Foto sensor yang menempel pada kulit mata. (I) Kemampuan sensor untuk mengenali suara yang berbeda dengan bentuk gelombang yang berulang dan berbeda. Ilustrasi: Foto sensor yang menempel pada epidermis tenggorokan. (H) Pantau sinyal yang dihasilkan oleh getaran otot mata saat mata berkedut. Ilustrasi: Foto sensor yang menempel pada kulit mata. (I) Kemampuan sensor untuk mengenali suara yang berbeda dengan bentuk gelombang yang berulang dan berbeda. Ilustrasi: Foto sensor yang menempel pada epidermis tenggorokan.
