AirPods可以“读脑”了?还是能同时监测汗液乳酸浓度的那种|Nature

西风 发自 凹非寺
量子位 | 公众号 QbitAI

AirPods可以监测大脑信号了?!

还是能预测阿尔茨海默症和帕金森的那种?

最近,一款耳内传感器登上了Nature。

把它“贴”在AirPods等耳机上,不仅能监测佩戴者的脑电波,还能监测汗液中的乳酸浓度

如此一来,得到的数据就可用于癫痫、阿尔茨海默症等神经退行性疾病的早期诊断。

关键它还很小巧插入耳朵中几乎看不见,且由柔性材料制作佩戴起来也很舒适。

研究人员将这款传感器的检测数据与市售脑电图设备和含有乳酸的血液样本数据进行了比较。

结果证实,使用这种传感器收集的数据与现有方法检测出的结果基本一致。

其实早在几个月前,苹果就为AirPods申请了一项设计专利,瞄准的就是能够监测脑电图、肌电图、心电图等生物信号这个方向。

但没想到苹果这边还没啥动静,就有相关研究抢先做出来了。

所以这款传感器到底长啥样?

佩戴舒适且能贴合不同耳型

此前临床数据已证实,监测和控制代谢物(如乳酸)水平对提高大脑功能、增强神经可塑性和血管生成方面具有促进作用。

但目前将脑电信号和代谢物水平监测集成到单一可穿戴传感器设备的研究很少,尤其还是像耳机这样小巧型的。

主要是因为不同传感模式的传感器之间存在串扰,继而会影响测量信号的准确性。

而且在身体上找一个最佳的“共传感”位置也很重要。

为了解决上述问题,来自加州大学圣地亚哥分校的研究团队研究了耳内功能结构,并使用特殊的布局设计、材料以及制造工艺,制成了这款集成的耳内传感器。

耳内自然是“共传感”的绝佳位置之一,主要是因为其不仅邻近中枢神经系统、主要脉管系统和听觉皮层,还有多个外分泌汗腺,并且具有锚固结构、机械稳定。

但是耳内空间极其有限、不同人的解剖结构变化很大,所以开发一种通用的耳内传感器仍是一个不小的挑战。

下面来看研究人员具体是如何设计的。

首先为了获得最佳集成效果,研究人员根据耳道内的功能设置了传感器的布局。

他们找来了参与者进行耳汗分布测试,确定耳道内汗腺分泌较多的区域。

然后将电化学电极(监测汗液中乳酸浓度)朝向这些区域。而电生理电极(监测脑电波)则朝向颞叶区域,也就是更接近脑电信号源。

白色虚线轮廓表示电化学(左)和电生理(右)电极的位置

在结构上,用于监测脑电波的部分采用了3D立体设计“发条”支撑结构,不仅保证了与不同耳型的贴合性,也进一步增大了与耳道皮肤的接触面积,从而获得更强更稳定的脑电信号。

监测乳酸浓度的部分表面覆盖了PVA凝胶层,该凝胶层具有亲水性和多孔结构,能够有效吸收和聚集汗液,提高了乳酸检测的灵敏度和稳定性。

此外,传感器的制成材料大多具有耐化学性和拉伸性,蛇形线路设计也进一步提高了延展性,横向拉伸20%也能保持正常工作。

为了能与大多数耳机硅胶耳套整合在一起,传感器还带有一个粘合层的平底,整体结构如下:

中间还包含SEBS材料制成的绝缘层

制造过程则是采用了快速且低成本的打印-粘合-组装工艺:

传感器打印以及与电子设备黏贴组装

配备传感器的耳机制成了,下面来看性能测试结果。

脑电、乳酸双模精准监测

先来看脑电波的传感性能。

研究人员进行了阻抗测试,发现传感器与耳道界面阻抗良好;直流偏置测试结果,也显示传感器的偏置电压分布正常。

眼电图测试证明传感器可用于眼电图信号的检测;听觉稳态响应测试也表明传感器可用于听觉脑电信号的检测。

针对乳酸传感性能,研究人员测试了传感器的线性范围、选择性、稳定性等指标,结果也都优异。

此外,串联测试表明两种传感模式可以同时工作,可以消除短暂串扰。

随后研究人员又进行了人体实验,让5名参与者进行有氧运动,监测脑电波和乳酸变化。

结果显示运动前后脑电波各频段和乳酸浓度发生一致性升高和降低,也就是实现了两种模式的连续、同步感测。

总的来说,相较于现有技术,该传感器形式因子小、佩戴舒适度高、可以用于日常健康监测。

但研究人员也指出该研究也存在一些局限。

比如,实验仅测试了单次20分钟的急性运动,未进行长时间的持续监测,无法观察长期效应;研究仅针对健康人群,没有在特定病患群体中验证传感器的监测效果;虽然研究表明两种传感模式可以同时使用,但未完全排除串扰的影响。

此外,研究人员还指出之后可以与低功耗集成电路结合,进一步提高便携性。

论文链接:https://www.nature.com/articles/s41551-023-01095-1

「量子位2023人工智能年度评选」开始啦!

今年,量子位2023人工智能年度评选从企业、人物、产品/解决方案三大维度设立了5类奖项!欢迎扫码报名 

MEET 2024大会已启动!点此了解详情


点这里👇关注我,记得标星哦~

一键三连「分享」、「点赞」和「在看」

科技前沿进展日日相见 ~ 

相关推荐

  • 大语言模型击败扩散模型!视频图像生成双SOTA,谷歌CMU最新研究,一作北大校友
  • OpenAI悄悄更改“价值观”:不All in AGI的别来沾边
  • 全面的中文大语言模型评测来啦!香港中文大学研究团队发布
  • GPT-4V被曝离谱bug:突然执行神秘代码,空白图片读出打折信息,网友们都看呆了
  • 这款Java调优方案,放到大厂相当炸裂!
  • 一文讲透时序和序列数据的存储、搜索、分析及挖掘
  • LLM in Reranking——利用LLM进行重排
  • 软考证书,彻底爆了!!
  • 400万token,大模型推理飙升22倍!清华校友爆火一作,GitHub狂揽1.8k星
  • 前端新特性:Compute Pressure API!!!
  • 截至 2023 年,我个人的 C 编程风格
  • 微软超 5000 亿“天价”收购完成;AI 耗电相当于一个国家年用电量;Ubuntu 23.10 镜像遭下架 | 极客头条
  • 阿里内部首发前端开发手册,完整版开放下载了!
  • 学会 arthas,让你 3 年经验掌握 5 年功力!
  • Spring Batch 批处理框架优化实践,效率嘎嘎高!
  • 深入理解Java注解的实现原理,注解的本质
  • 当自动驾驶遇上GPT-4V:L4要解决了?
  • 超级干货 | 数据平滑9大妙招
  • 【深度学习】计算机视觉领域如何从别人的论文里获取自己的idea?
  • 保姆级教程:不到30行代码上手讯飞版ChatGPT-API