查看原文
其他

电子科大苏元捷副教授与UCLA陈俊教授《Adv. Mater.》:基于摩擦纳米发电机的自驱动呼吸监测

化学与材料科学 化学与材料科学 2022-11-08

点击蓝字关注我们


呼吸是人类一生中不间断的基本生理行为,包含了丰富的生理学和病理学信息,同时承载着源源不断的机械能输出。与血液分析和内窥镜检查相比,呼吸分析是一种快速、无创、无痛、低成本、方便的早期疾病诊断和实时生理监测方法。评估物理呼吸行为(频率、深浅)有助于预先识别阻塞性睡眠呼吸暂停综合征(OSAS)、哮喘、心脏骤停、肺癌等人类疾病,以及监测人体生理应激状态。而呼吸气体中多种化学组分可以作为疾病和代谢过程的"生物标记(Biomarker":如呼吸气中乙醇含量,可反映测试者患肝硬化的风险;丙酮对应糖尿病患病概率,而氨气可预判肾病患病几率(见图1)。


近日,电子科技大学蒋亚东教授团队的苏元捷副教授与加州大学洛杉矶分校的陈俊教授在Advanced Materials杂志上发表了题为Self-Powered Respiration Monitoring Enabled By a Triboelectric Nanogenerator的综述文章,介绍了基于摩擦纳米发电机(TENG)的呼吸监测的工作原理、传感材料、器件结构及相关应用,阐述了自驱动呼吸监测领域潜在的机遇和挑战。

 


图1 呼吸监测生物标记物及其病理学症状


近几十年来,各种技术在呼吸分析中已经显示出了良好的结果,包括石英晶体微天平(QCM)、离子迁移谱(IMS)、质子转移-反应质谱(PTR-MS)、气相色谱、声表面波(SAW)、差分迁移谱(DMS)、薄膜晶体管(TFT)、电阻式传感器等。但是,大多数都需要外部电源或电池,具有功率密度低,寿命有限,有毒等缺点。特别是在体内应用时,通常需要进行二次手术来更换或修复电池,对患者造成身体伤害和精神困扰,从而阻碍了微型电子设备在生物医学领域中的应用。


呼吸(如胸部运动和呼吸气流)是人类自发的、周期性的、不间断的机械运动,可作为连续的生物动能源(0.83W),驱动低功耗可穿戴电子产品和生理监测传感器网络。至今为止,压电效应、摩擦电效应和热电效应已被用于收集各种人体生物运动动能,包括行走、触屏、跑步、血流、呼吸。其中,摩擦电纳米发电机(TENGs)是佐治亚理工学院王中林院士于2012年发明的,与其他能量采集技术相比具有方便、经济、重量轻、制备材料多样等诸多优点。更重要的是,TENGs在获取低频率、微振幅机械能方面展现出前所未有的优点与人体呼吸的动力学特性完美匹配。因此,这些特点使得摩擦纳米发电机成为一种理想的能量获取和呼吸检测手段。


TENG自驱动呼吸监测一般有两种典型策略,即呼吸行为监测和呼吸气体检测。在呼吸行为监测方面(图2),可穿戴的TENG自驱动呼吸传感器可以佩戴于人体相应位置,如胸骨上切迹,胸部上方,或集成到一个面罩上。在这种情况下,呼吸活动,如呼吸强度,深度,频率和模式可以通过TENGs连续跟踪疾病评估。

 

图2 摩擦起电机理与呼吸物理行为监测示意图


在呼吸气体检测方面(图3),为了测量呼吸气体的浓度和种类,可以利用气体传感器与TENG集成,对呼出气体进行自发检测。一般来说,气体传感器主要有电容式和电阻式两种,它们是通过敏感材料与气体分子之间的直接反应来实现的。电阻式气体传感器是基于化学吸附过程改变了叉指电极(IDEs)上气敏层的载流子浓度而产生的电导率或电阻变化;而电容式气体传感器则依赖于目标气体分子吸附过程中气敏材料介电常数变化。这两种方法都需要电源将敏感材料的内部属性(如载流子浓度或介电常数)转化为电输出(电阻或电容)作为读出信号。因此,自供能呼吸气体传感器分为两类,包括IDEs辅助阻抗模式和独立电容模式。通过将气敏材料沉积的IDEsTENG连接,利用TENG的阻抗响应,气体吸附引起的电阻变化表征到TENG的输出电信号中,从而可以通过TENG输出电信号反推出待测气体浓度。至于独立电容模式,由于TENG的内部电容特性,将气敏材料集成在TENG的接触层上,使发电机和传感组件一体化功能结构,实现自供电呼吸气体探测小型化设计。在这种模式下,呼出气体分子的化学吸附改变了传感材料的介电常数,从而改变了呼吸运动驱动的TENG输出信号。

 

图3 IDEs辅助模式和独立电容模式气敏机理

 

值得注意的是,基于热力学理论与TENG静电学模型,可以得到热力学平衡条件下的自驱动气体传感器电输出-气体浓度解析解,且与实验结果高度吻合(图3h)。同时,利用有限元计算结合相场模拟进一步证实:气体分子的化学吸附引起的电荷转移会影响气敏薄膜建立退极化场的能力,从而影响发电机电输出性能。此外,利用相场模拟可以将不同气氛环境下敏感薄膜的电学性能(如电势、电场、极化场)可视化,如图9所示,进一步加强了对气体检测中化学特异性的理解。


随后,本综述总结分析了TENG自驱动呼吸检测在物理行为检测,如可穿戴运动监测、可植入生理检测、多功能体征识别、睡眠障碍、人机界面等领域的应用实例(图4-7),以及在呼吸气体探测,如氨气、丙酮、乙醇、湿气、二氧化碳检测方面的典型运用(图8-10)。

 

图4 用于身体运动监测的自供电呼吸传感器


 图5 呼吸模式识别和人机界面的自供电呼吸传感器


 图6 自供电呼吸传感器多功能传感应用


 图7 用于睡眠障碍检测的可穿戴织物自驱动呼吸传感器

 

 图8 基于TENG的自驱动呼吸传感器用于呼出氨气和呼吸运动检测


图9 独立电容模式自供电呼吸传感器监测呼吸酒精和丙酮

 

图10 对呼吸湿气和二氧化碳进行检测


结论与展望


呼吸承载着大量的生理和病理信息。呼吸分析为医疗诊断和疾病监测领域提供了一种简便、无创、快速、高效的传感方法。TENG自供电呼吸分析具有广阔的发展前景,将有利于实现高效的自供电可穿戴医疗系统。尽管TENG自供电呼吸监测已经开展了大量的研究,但由于传感机制、测试条件和应用场景的不同,其灵敏度、可磨损性、能量转换效率、选择性和响应率等性能的提高仍具有挑战性。因此,在TENG自驱动呼吸传感器的实际应用中,仍有一些问题需要解决,如图11a所示。

 

(1) 其他干扰气体的选择性。人们呼吸的空气中有数百种微量气体,包括挥发性有机化合物和无机气体。设计和制备高选择性气敏材料是提高单分子识别能力的重要途径。

 

(2) 响应速率。虽然人的呼吸频率低至每分钟12-20次,但在室温下,目前的湿敏材料不能在这样一个特定的间隔(3-5s)内完全恢复到初始状态。因此,优化反应/恢复行为将有利于准确和及时的呼吸识别。

 

(3) 能量转换与化学吸附的耦合。IDEs辅助阻抗模式依赖于TENG的阻抗特性与化学电阻效应之间的耦合,而集成电容模式依赖于摩擦电效应与化学吸附诱导电容效应之间的耦合。需要注意的是,集成电容模式中的功能层不仅作为气敏材料,而且作为在复杂气氛下工作的摩擦电层。因此,优化能量转换与化学吸附之间的耦合效率将提高TENG呼吸传感器的灵敏度。

 

(4) 抗湿性。呼吸气体含有的高湿度(>90%RH),会影响对呼出目标气体分子的检测。排除呼出的水分子对湿度的干扰是实现高效呼吸监测的关键。潜在的方法可能包括利用具有大接触角的微结构功能材料或在摩擦电材料上引入疏水涂层。

 

(5) 冠状病毒早期诊断。冠状病毒病(COVID-19)是由严重急性呼吸系统综合征冠状病毒(SARS-CoV-2)引起的一种呼吸道疾病,已发展为全球大流行,感染人数超过2000万人,死亡率为2 – 3%。到目前为止,已采用多种技术对疑似病例进行预测和预判。如图11b所示,由于COVID-19引起急性呼吸窘迫综合征和肺泡损伤导致的肺功能障碍,呼吸行为监测是一种有效、低成本、早期的检测手段,可以快速识别潜在的疑似患者,使患者得到及时治疗,控制疾病传播。据了解,由于冠状病毒引起的肺部功能障碍,COVID-19患者的呼吸深度和呼吸频率明显不同。因此,通过自供电呼吸传感器进行呼吸监测,可以直接识别疑似患者。此外,如果将SARS-CoV-2病毒传感组件与呼吸驱动的TENG集成,就可以精确探测SARS-CoV-2病毒的浓度。因此,TENG辅助的自供电呼吸传感器可能为COVID-19的预后和诊断提供新的方法。更重要的是,该方法具有制作简便、经济、零功耗、便携等优点,特别适用于发达地区和欠发达地区的临床应用。

 


图11 自驱动呼吸监测现存挑战与机遇


综上所述,TENG提供的自驱动呼吸分析为疾病的预诊断和健康评估提供了一种简便易行的方法。从人体呼吸中收集生物呼吸行为动能,可以在不需要电源或电池的情况下,顺利有效地检测呼出的生物标志物进行生理监测。TENG自供电呼吸分析的发展为个性化医疗和移动治疗提供了一个有前途的、可行的和可持续的方法。

 

原文链接
https://onlinelibrary.wiley.com/doi/10.1002/adma.202101262


相关进展

王中林院士AFM:基于MXene/PVA水凝胶的柔性多功能摩擦纳米发电机

东北林业大学陈文帅教授、中科院纳米能源所杨亚研究员Research综述:基于生物聚合物纳米纤维的纳米发电机研究进展

重庆大学牟笑静教授Research:非谐振式低频电磁-摩擦复合纳米发电机用于随机、不规则海洋能量收集


化学与材料科学原创文章。欢迎个人转发和分享,刊物或媒体如需转载,请联系邮箱:chen@chemshow.cn

扫二维码|关注我们

微信号 : Chem-MSE

诚邀投稿

欢迎专家学者提供化学化工、材料科学与工程产学研方面的稿件至chen@chemshow.cn,并请注明详细联系信息。化学与材料科学®会及时选用推送。

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存