Separating Motion Artifacts from Biomarker Signals in Flexible MoS2 FET Cortisol Sensors: A Coupled Multiphysics Model and Finite-Element Analysis of Strain-Binding Cross-Talk and Mitigation Strategies
本文提出了一种耦合多物理场模型与有限元分析方法，用于量化并评估柔性 MoS2 FET 皮质醇传感器中运动诱导伪影的缓解策略，研究表明，尽管双传感器减法和衬底减薄能够降低应变-结合串扰，但由于持续存在的肖特基接触效应和依赖于适体（aptamer）的局限性，现有设计仍难以稳定达到 1 ng/mL 的精度目标。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
人体是一个不断的化学信号来源，其中最重要的之一便是皮质醇——一种在压力期间释放的激素。通过汗液测量皮质醇提供了一种无需针头或抽血即可监测压力水平的方法，这有望催生出能够实时追踪我们健康状况的穿戴式设备。为了实现这一目标，科学家们正转向使用由二硫化钼制成的传感器，这种材料极其薄，仅有几个原子深。这种极端的薄度使得传感器对化学变化异常敏感，使其能够检测到微量的激素。然而，同样的薄度也带来了一个重大问题：该材料对物理拉伸和弯曲也非常敏感。当一个人移动手臂或行走时，传感器会发生弯曲，这种物理应变产生的电信号变化与激素产生的变化一样大。对于一个实用的设备而言，它必须能够区分是由压力事件引起的信号，还是由简单的手腕转动引起的信号。
来自尼日利亚夸拉州立大学和奥拉比西·奥恩巴乔大学的研究人员致力于解决这个特定的难题。他们建立了一个详细的计算机模型，用以模拟佩戴在皮肤上的二硫化钼柔性传感器的行为。他们没有在实验室中制造物理设备并进行测试，而是创建了一个虚拟的事件链，该链条从人体运动开始，以传感器上的电学读数为结束。他们模拟了三种常见的动作：弯曲手腕、弯曲肘部和行走。他们的目标是观察到底有多少电信号来自于皮质醇，又有多少仅仅是运动产生的“噪声”。他们发现，对于标准的传感器设计，仅手腕的弯曲就会产生一个大小几乎接近最大激素信号一半的虚假信号。事实上，仅仅一次弯曲手腕就可能让设备误认为用户正处于极端压力之下，而实际上用户处于静止状态。
研究人员发现，这种混乱的根源不仅在于薄膜本身，还在于将薄膜连接到其余电路的金属接触点。当传感器弯曲时，金属接触点的电学特性比传感材料的变化更为剧烈。运动产生的虚假信号中，约有70%来自于这些接触点。这一发现至关重要，因为它表明仅仅将传感器做得更薄或添加保护层是不够的。事实上，研究显示，在传感器下方添加一个坚硬、刚性的“岛屿”结构试图保持其平整，并不能如预期那样隔离通道。在某些负载条件下，该刚性岛屿仍保留了18%至109%的基准应变，这意味着它几乎没有提供任何保护作用。在其他情况下（即由皮肤决定贴片形状的情况下），该岛屿实际上会导致通道承受高达基准应变300%的应变。这反驳了穿戴式电子设备领域的一个普遍观点，即加固一个小区域可以保护敏感部分；事实证明，适用于拉伸的设计并不一定适用于弯曲。
为了将真实的激素信号与运动噪声分离，团队测试了几种策略。他们发现，仅仅过滤掉信号中的快速变化（这是其他类型穿戴式传感器常用的技术）是行不通的。这是因为关节的弯曲是一种缓慢且单向的运动，看起来与激素水平的缓慢变化非常相似，因此滤波器无法将二者区分开来。最具有前景的解决方案是使用两个并排的传感器。一个传感器旨在检测皮质醇，而另一个是“虚拟”传感器，它无法检测激素，但会经历完全相同的物理运动。通过对比这两个传感器，系统可以减去运动噪声。然而，这种方法只有在两个传感器完美匹配且主传感器构建在极薄基底之上时才有效。研究表明，通过将极薄的塑料基底与一对匹配的传感器相结合，误差可以降低到接近准确测量目标的水准。
这些模拟结果为制造此类设备提供了清晰的路线图，但也凸显了这项任务的难度。研究人员强调，他们的发现是基于计算机模型而非物理实验，因此这些数字代表的是预测而非最终证明。他们发现，对于放置在手腕背部（此处弯曲频繁且剧烈）的传感器，运动误差如此之大，以至于如果不使用双传感器法和超薄基底，几乎不可能获得准确的读数。对于肘部，情况稍好一些，但仍然具有挑战性。研究结论指出，虽然这项技术在监测压力方面具有巨大的潜力，但要开发出可靠的穿戴式设备，需要对传感器的物理结构进行精密的工程设计，而不仅仅是关注其化学敏感性。这项工作为未来的发明者提供了指南，明确指出了陷阱所在以及哪些设计选择更有可能成功地将人体的化学信号与其物理运动区分开来。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。