清华大学计算机考研(清华大学计算机考研科目)

清华大学计算机考研，清华大学计算机考研科目

键盘和触摸屏广泛用于控制电子设备，但对于有灵活性障碍或神经系统疾病的人来说，这些可能难以操作。已经开发了几种辅助技术，例如语音识别和眼睛跟踪，以提供替代的控制方法。然而，这些在使用和维护方面可能存在问题。

在牙科研究中，咬合力经常被用作评估咀嚼功能的一个参数。牙齿咬合提供了高精度的控制。因此，含有集成压力传感器的护齿板用于检测咬合模式，然后将其转化为数据输入，可能是现有辅助技术的一个有希望的替代方案。这就要求压力传感器具有灵活性、生物相容性、低耗能并允许分布式感应。可拉伸的光学压力传感器，特别是分布式光学纤维（DOF）压力传感器，由于其高度的生物相容性、不受电磁干扰以及能够监测沿纤维传输路径的空间分布和随时间变化的压力，对于测量咬合模式具有吸引力。然而，现有的纤维压力传感器需要一个外部光源，从而增加了系统的尺寸和功耗。

鉴于此，新加坡国立大学刘小刚教授和清华大学周斌研究员合作报告了一个咬合控制的光电系统，该系统使用机械发光供电的分布式光学纤维传感器(mp-DOF)，并将其集成到护齿上。对机械刺激敏感的磷光体被安排在柔性护齿的接触垫阵列中；通过使用侧向位置的独特咬合接触模式，纤维传感器可以通过比率发光测量来区分各种形式的机械变形。通过将该设备与机器学习算法相结合，可以将复杂的咬合模式转化为特定的数据输入，准确率达到98%。本文表明，交互式护齿器可以用来操作电脑、智能手机和轮椅。相关研究成果以题为“An interactive mouthguard based on mechanoluminescence-powered optical fibre sensors for bite-controlled device operation”发表在最新一期《Nature Electronics》上。

咬合控制轮椅、弹钢琴

【交互式护齿设计】

作者首先设计了一种光纤，在几个预定的位置嵌入各种过渡金属掺杂的硫化锌（ZnS）荧光粉（图1a）。通过将Cu2+/Mn2+（595nm）、Cu2+（525nm）和Cu+（475nm）分别掺入ZnS主体，可以调节橙色、绿色和蓝色的机械发光。除了原色之外，还可以通过改变三种荧光粉的成分来产生二次色。当分布式压缩从外部施加到光纤时，机械响应荧光粉发出不同波长的光，通过全内反射沿光纤传播。该设计原理用于制造交互式护齿器，该护齿器包括集成的 mp-DOF 阵列、柔性印刷电路板和柔性聚对苯二甲酸乙二醇酯基板（图1b）。本文开发的交互式护齿器可以检测各种咬合模式。

图 1. 基于mp-DOF传感器的交互式护齿设计

【mp-DOF的特性和性能】

作者在各种配置中优化了mp-DOF传感器的设计，其中将机械发光材料集成到透明光波导中（图2a），并研究了具有不同浓度的ZnS:Cu2+/Mn2+颗粒的机械发光垫的发光行为（图2b）。通过将积分强度绘制为外力的函数来测试mp-DOF的力敏感性，并且强度在5-60N的范围内近似线性增加（图2c）。此外，通过以各种频率（1、2和3Hz）压缩光纤来研究mp-DOF的动态特性，证明了高度稳定和可重复的信号输出（图2d）。接下来研究了单层和双层mp-DOF传感器的性能，单层传感器测量分布的机械力（图2e，f），而双层传感器可以区分不同的力模式，例如拉伸、弯曲和压缩（图2g）。与先前报道的机械发光传感器相比，mp-DOF可以检测机械力大小并识别多种机械刺激，可以进一步开发用于包括关节运动识别、皮肤触觉感知和面部识别在内的应用。

图 2. 各种配置中基于 mp-DOF 的传感器的表征

【集成交互式护齿技术评估】

为了构建机械发光辅助交互式护齿器，作者将具有六个压缩点的2×3单层mp-DOF传感器阵列集成到三维打印的软护齿器中（图3a）。接着将x/y色度响应实时归一化为五种舒适的咬合模式，可以用每根光纤区分（图3b）。在5-50N的力范围内绘制的五个咬合图案的色度响应数据表明，可以通过比较色度空间的变化来实现图案识别（图3c））。机器学习用于根据这14种咬合模式的输出光谱识别咬合模式（图3d）。

作者进一步探讨了识别精度和咬合位置偏移d之间的关系（图3e）。咬合中间垫中心时分类准确率达到100%，随着咬合位置远离中心而降低。在8mm的距离内，精度保持在75%以上。八对mp-DOF的分类准确率均大于97%（图3f）。该交互系统，每个模式的识别准确率保持在96.5%以上（图3g）。

图 3. 集成mp-DOF的交互式护齿器的评估

【用于辅助技术的交互式护齿】

通过将交互式护齿器与蓝牙模块配对，可以对实时咬合模式进行分类并发送到外部设备以执行适当的操作，或发送到自定义移动应用程序以进行数据显示和收集（图4a）。该交互式护齿器还可以用作遥控手柄，例如用于遥控轮椅（图4b）。通过添加蓝牙模块，用户可以控制轮椅转向、加速和制动，以及在标准的400m跑道上导航（图4c）。此外，还演示了使用该系统来控制定制的虚拟键盘来播放“生日快乐”的曲调（图4d）。

图 4. 带有2×3 mp-DOF阵列的交互式护齿，用于辅助技术演示

【基于人工神经网络的交互式护齿对特定任务的功效测试】

作者还使用来自两个不同护齿器用户的咬合数据评估了基于ANN算法的交互式护齿器在特定任务上的功效。两名参与者戴着互动式护齿器操作轮椅并演奏生日快乐的曲子，并记录每项任务的完成时间。参与者掌握操作后，收集100组咬合数据，训练适合不同用户的各种分类模型（图5a-d），平均准确率均超过90%（图5e）。

图 5. 基于ANN的交互式护齿器使用来自两个用户的特定任务的咬合数据的效果

【小结】

本文报道了一种交互式护齿器，用于计算机、智能手机和轮椅的咬合操作。护齿器使用含有机械刺激敏感磷光体的接触垫，压缩时会发出不同颜色的光，并使用mp-DOF传感器来检测佩戴者不同咬合模式产生的光信号。当与机器学习相结合时，DOF传感器可以准确识别电子设备操作的复杂咬合模式，而发光强度可以很容易地与色度分离，作为另一个可控参数。与现有辅助技术相比，护齿器重量轻（重量低于7克）、紧凑、使用生物相容性材料，并提供高力度灵敏度和精确控制。

来源：高分子科学前沿

声明：仅代表作者个人观点，作者水平有限，如有不科学之处，请在下方留言指正！

清华大学计算机考研(清华大学计算机考研科目)