摘要：近日，贵州医科大学生物与工程学院（健康医药现代产业学院）曾柱教授和郑强教授领衔的生物电子系统团队联合江汉大学和中国科学院北京纳米能源研究所，开发了一款人工智能辅助的自适应呼吸肌训练设备，该成果已在《Infomat》(影响因子：22.7）期刊上发表。该设备通过结

近日，贵州医科大学生物与工程学院（健康医药现代产业学院）曾柱教授和郑强教授领衔的生物电子系统团队联合江汉大学和中国科学院北京纳米能源研究所，开发了一款人工智能辅助的自适应呼吸肌训练设备，该成果已在《Infomat》(影响因子：22.7）期刊上发表。该设备通过结合先进的混合纳米发电传感器技术和智能算法，实现了对呼吸状态的精准感知与阻力的自动调节，为运动员、慢性呼吸系统疾病患者以及健康恢复中的人群提供了一种更加科学、便捷的训练方式。

阻力适应性呼吸训练器概述

本设备采用混合纳米发电传感器技术，将摩擦电和压电特性相结合，能够同时感知高频和低频信号，输出电压可达5伏特。通过卡门涡街效应解决了传统涡轮传感器的迟滞问题，大幅提高了数据响应速度和精确度。

智能呼吸肌训练器的应用，传感器显示呼吸深度、呼吸频率和疲劳程度。

设备内置阻力自适应程序（Resistance Self-Adaption Program,RSP），通过主控芯片实时分析呼吸数据，判断用户的肌肉疲劳状态并自动调节阻力。机器学习算法的引入使训练强度能够精准匹配用户能力，从而优化训练效率。

阻力吸入和无阻力呼气的12-D 数据图的二维主成分分析图及其特征贡献率

该设备适用于不同的呼吸训练需求，例如改善肺功能、增强运动表现或辅助恢复神经肌肉损伤。其传感器的长期稳定性（5000次循环后信号依旧稳定）和自动化功能，使其在医疗康复和竞技运动领域具有广阔前景。

传感器的特性

这款智能呼吸肌训练设备不仅展示了混合纳米发电传感器在医学工程领域的潜力，也为健康管理与康复训练开辟了新的方向。团队期待在后续研究中进一步完善设备功能，推动其在更多医疗场景中的应用。

来源 贵州医科大学

编辑 皮亚丹

二审 廖波

三审 刘钢

来源：天眼新闻