共形贴合传感器，无创监测皮肤温度分布与血流
研发出基于 Peano 分形结构的柔性共形贴合传感器，结合深度学习技术，成功突破传统皮肤检测中硬质传感器贴合性差（难顺应皮肤曲面致信号失真）、检测效率低（依赖锁相放大器耗时）的困局，实现皮肤温度分布与血液灌注率的无创、高精度实时监测，为皮肤病诊断与血管疾病筛查等慢病诊疗开辟新路径。团队从传感器设计、检测方法到数据分析完成全链路创新：Peano 分形结构采用三阶设计（外侧两条曲线加热、内侧一条曲线检测），以聚酰亚胺薄膜和铜箔为基底、外部包裹 2 mm厚 PDMS 封装层，在 57.3° 弯曲状态下电阻与温度测量偏差仍小于 5%，实现与皮肤曲面的无缝对接；二次谐波法通过自研信号采集卡与数字锁相技术，直接提取 2 倍频率下的皮肤温度扰动信号，既省去传统 3ω 检测法依赖的笨重锁相放大器，又将信号处理时间缩短 30% 以上，还能稳定反馈热量渗透皮肤深层的信息；多任务学习卷积神经网络（MTLCNN）以温度扰动信号 ΔTpeak 为输入，可同步预测表皮与真皮的热导率、热扩散率及真皮血液灌注率、传感器与皮肤接触热阻共 5 项指标，经 24454 组数据集训练后综合相关系数达 0.9054，预测速度较传统非线性回归提升 5 倍且真皮层参数预测偏差小于 20%。在 5 名 25-28 岁健康受试者（3 男 2 女）的前臂、上臂外侧、小腿部位测试中，该传感器不仅精准区分表皮（角质层密度低、含水量少致热导率低于真皮）与真皮的热特性差异（热扩散率符合文献正常范围），还监测到前臂背侧因表皮较薄而毛细血管范围更广、血液灌注率高于上臂外侧，更能通过热阻抗网络模型实现皮肤表面以下 500 μm区域的温度测绘（空间分辨率达 2 μm），且发现皮肤深层温度与表皮含水量呈正相关、血流增加有助于局部散热，可辅助判断慢性伤口愈合阶段（区分炎症与缺血状态），未来集成于智能手环、贴片等设备后可实现糖尿病足、湿疹等疾病的居家监测，还能为术后患者避免植入式传感器的感染风险。该研究推动分形结构、谐波检测与深度学习在生物医学领域的融合，下一步团队将通过缩短测量时间、增强抗毛发与汗液干扰能力、扩大受试者范围（纳入老年人及皮肤病患者）验证技术普适性，其无创精准的生理指标监测特性契合未来个性化医疗方向，为缓解医疗资源紧张、解决慢病管理关键挑战提供有效方案。
