A cross-modal epidermal sensor enables single-channel fusion of biopotential and biomechanical signals

计算机科学 生物信号 可穿戴计算机 传感器融合 信号(编程语言) 光容积图 可穿戴技术 压力传感器 电容感应 计算机硬件 计算机视觉 解码方法 人工智能 小波变换 信号处理 模式 触觉传感器 连续小波变换 模态(人机交互) 噪音(视频) 远程病人监护 保险丝(电气) 数码产品 智能传感器 接口(物质) 生物医学工程 带宽(计算) 持续监测 融合 电光传感器 无线传感器网络 神经假体 实时计算 电子工程 脉搏(音乐)
作者
Yuxin Liu,Xiaodong Wu,Jinchao Wang,Cheng Zhu,Lifei Zheng,Yangyang Song,Xuyi Zhang,Zhentao Yao,Yangyang Han,Zhuqing Wang,Jiang Zhou,Zhimeng Liu
出处
期刊:Research Square
标识
DOI:10.21203/rs.3.rs-7300896/v1
摘要

Abstract Disease monitoring typically requires the acquisition of multiple physiological signals with different modalities. Existing epidermal electronics use separate sensors for each modality, which necessitates a large footprint, high bandwidth and power consumption. We report a wearable electronic system that can fuse physiological signals with multiple modalities into a singlecross-modal biosignal (X-Sig). Leveraging hierarchical device architecture and in-sensor signal fusion strategy, X-Sigsensor concurrently acquires biopotential signals (e.g., electrocardiography and electromyography) and biomechanical signals (e.g., force myography and radial pulse) through a single channel. The single-channel X-Sig sensor is capable of continuous monitoring of multiple dynamic haemodynamics, including heart rate, pulse arrival time, diastolic and systolic blood pressure with high accuracy. In machine-learning-based gesture recognition, the X-Sig sensor reduced the decoding error rate by 7.8-fold compared to conventional electromyography. By fusing complementary modalities at the sensor level, X-Sig sensor provides a versatile platform for designing bandwidth-efficient and low-power wearable electronics.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
2秒前
受伤天寿发布了新的文献求助10
3秒前
XYM完成签到,获得积分10
4秒前
5秒前
刻苦碧彤发布了新的文献求助10
5秒前
cy完成签到,获得积分10
7秒前
盼盼发布了新的文献求助10
7秒前
常姗完成签到,获得积分10
7秒前
SciGPT应助Moonpie采纳,获得10
7秒前
赘婿应助wangdongyue1987采纳,获得10
8秒前
SciGPT应助没有落小雨采纳,获得10
8秒前
英姑应助霏霏采纳,获得10
8秒前
核潜艇很优秀完成签到 ,获得积分0
8秒前
9秒前
caitSith完成签到,获得积分10
12秒前
没那么简单关注了科研通微信公众号
12秒前
13秒前
袁xiaokui发布了新的文献求助10
13秒前
Owen应助科研通管家采纳,获得10
13秒前
共享精神应助科研通管家采纳,获得10
14秒前
华仔应助科研通管家采纳,获得10
14秒前
cornelia发布了新的文献求助10
14秒前
Akim应助科研通管家采纳,获得10
14秒前
woshi123应助科研通管家采纳,获得10
14秒前
FashionBoy应助科研通管家采纳,获得10
14秒前
张欢馨应助科研通管家采纳,获得10
14秒前
搜集达人应助科研通管家采纳,获得10
15秒前
星辰大海应助科研通管家采纳,获得30
15秒前
Owen应助科研通管家采纳,获得10
15秒前
Akim应助科研通管家采纳,获得10
15秒前
852应助科研通管家采纳,获得10
15秒前
烟花应助科研通管家采纳,获得80
15秒前
烟花应助科研通管家采纳,获得10
16秒前
ding应助科研通管家采纳,获得10
16秒前
molihuakai应助科研通管家采纳,获得10
16秒前
无花果应助科研通管家采纳,获得10
16秒前
16秒前
Mic应助科研通管家采纳,获得10
16秒前
盘菜应助科研通管家采纳,获得10
16秒前
16秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
APA handbook of comparative psychology: Basic concepts, methods, neural substrate, and behavior 1000
全员动态考核,锚定高质量发展:读懂同济大学教师人事改革新政的深层价值 900
Health Psychology 800
Matrix Methods in Data Mining and Pattern Recognition Second Edition 510
The fast track to determining transfer functions of linear circuits: The student guide 500
Römisch-Germanische Forschungen 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 化学工程 生物化学 计算机科学 内科学 物理 复合材料 催化作用 细胞生物学 无机化学 光电子学 物理化学 电极 基因
热门帖子
关注 科研通微信公众号,转发送积分 7594166
求助须知:如何正确求助?哪些是违规求助? 9171207
关于积分的说明 19630811
捐赠科研通 7171759
什么是DOI,文献DOI怎么找? 3267682
关于科研通互助平台的介绍 2432486
邀请新用户注册赠送积分活动 2260450