基于银纳米线的柔性压力传感器用于测量新生儿的非营养性吸吮力

与足月婴儿相比，早产儿容易有更高的发病率、残疾和发育迟缓的风险。原始反射是在生命早期发展中发现的先天行为，被证明是评估婴儿中枢神经系统完整性和预测潜在故障的好工具。在这些反射中，非营养性吸吮反射在指示大脑发育和喂养准备的先天性异常方面起着重要作用，尤其是对早产儿。传统上，儿科医生根据他们的经验来定性地评估口腔吸吮力，方法是把戴着手套的手指放进婴儿的嘴里。因此，需要更多的定量方法来评估早产儿吸吮力，以支持医疗保健专业人员的评估程序。在此，我们开发了一种基于银纳米线(AgNW)的柔性压力传感器来测量婴儿的非营养吸吮力。该柔性传感器采用银纳米线沉积在聚二甲基硅氧烷(PDMS)上，形成三明治状结构。该传感器基于应变计的原理，连接到环形连接模块上，再连接到安抚奶嘴上。婴儿施加的负吸力使传感膜变形，使其电阻发生变化，而婴儿的嘴与传感元件之间没有任何接触。对所制备的传感器进行了表征和优化，以达到适当的灵敏度和稳定性。 Thanks to the excellent long-term electro-mechanical stability and high sensitivity, the developed sensor is expected to provide the means to quantitatively assess the non-nutritive sucking of infants, with a portable, low-cost, non-invasive and light-weight solution.

世界卫生组织(世卫组织)对早产的定义是:妊娠完成37周之前，或自妇女最后一次月经第一天起不到259天的任何分娩[1］．这一定义可以根据胎龄(GA)进行细分，分为中度或晚期早产(妊娠满32至37周);非常早产(孕28至32周);极度早产(妊娠不足28周)。此外，世界卫生组织估计，每年有1500万早产儿出生，其中7%死于早产并发症和缺乏足够的新生儿护理。此外，在大多数国家，早产率正在上升[2，3.］．

原始反射是一组在正常早期发育中发现的先天行为，是评估婴儿中枢神经系统完整性最常用的工具之一[4］．在这些原始反射中，吮吸反射是一种反射或运动行为，被描述为新生儿最早熟和最复杂的行为，它是婴儿早期神经发育结果的潜在预测因素[5］．这种吸吮反射可分为非营养性吸吮和营养性吸吮。第一次被定义为吮吸干的乳头或安抚奶嘴，在没有液体存在的情况下将乳头放入婴儿的嘴里[6]，而后者可以被定义为当含有牛奶等营养物质时的吮吸，同时从奶瓶或乳房中摄入。

早产会影响新生儿期的神经神经系统反射行为，导致弱肌强度低于成功吸吮反射的必要水平[7］．此外，糟糕的神经网络可能预示着中枢神经系统问题或脑损伤。NNS的节律性可以作为先天性畸形的客观临床指标，有证据表明这种反射与儿童语言、儿童运动能力、智商和整体神经发育有关[8］．NNS是口腔喂养的先决技能，但如果只在一个时间点上进行测量，它的成功并不一定意味着口腔喂养的成功，因为口腔喂养是一种更复杂的能力，需要精确的吸吮、吞咽和呼吸的时间。另一方面，在一定时间内定期测量神经神经功能可以表明朝着更稳定的吸吮模式的改善，这与进食成功有关。因此，随着时间的推移，NNS在日常测量中具有潜在的用途，可以作为进食能力成功的可能预测器[7］．此外，由于准备好口服喂养是新生儿从新生儿重症监护室(NICU)出院的主要先决条件之一，早期干预NNS实践可缩短住院时间[9］．

临床评估口腔吸吮力的常用方法是将戴着手套的手指放入婴儿口中，诱发神经神经系统反射，这是定性和主观的[8，10］．这就需要发展更定量的方法来评估吸吮反射。此前，Lau和Kusnierczyk基于医院使用的手套手指技术，开发了一种手指装置，使用指尖上的传感器传感器，通过硅胶管连接到处理模块[11］．Grassi等人提出了一种安抚奶嘴，其内部装有一根导管，与压力传感器相连，该导管侵入婴儿口腔约2毫米。在[12，开发了一种评估营养吸吮和非营养吸吮的装置。在这个装置中，安抚奶嘴内部没有任何电气连接，测量是通过一根硅胶管远程进行的，一端连接到安抚奶嘴，另一端连接到商用压力传感器。在[13]，研制了一种小巧便携的仪器来测量神经网络。在这项工作中，设计了一个紧凑的装置，以适应安抚奶嘴，实现无线系统消除电线和管，并使用了一个小型充电电池。系统设计以减小尺寸和重量为重点，但压力传感器的分辨率为1 kPa，这限制了吸吮力非常弱的婴儿的测量[7，11，12，14］．一家名为Innara健康开发了NTrainer [15]，这是一种FDA批准的设备，既可评估神经神经系统参数，也可通过治疗性脉冲的模式化和调频口腔刺激来训练婴儿的神经神经系统技能。最后,在8，提出了一种基于视频的面部手势分析的非接触神经网络定量方法。然而，之前的大多数研究都是设计在安抚奶嘴内的传感器、管子或电子元件，这引发了潜在的安全和卫生问题。其中一些研究使用了商用压力传感器，设计用于更广泛的压力范围，如智能手机中使用的气压传感器[10，13］．虽然NNS的一般压力范围可以被覆盖，但它们的准确性或分辨率较低，低于测量较弱婴儿吸吮力所需的水平。此外，如[8]，传感器装置通过接触改变安抚奶嘴的硬度，从而扭曲了自然的吮吸行为。

在本研究中，我们报道了一种新的测量婴儿神经神经系统压力的传感装置的研制。该传感器的设计基于应变计原理，并以三明治状结构将银纳米线沉积在聚二甲基硅氧烷(PDMS)上。研制的传感器被证明能够以非侵入性和非接触的方式测量神经神经系统。与之前的研究不同，传感器没有被放入婴儿的口中，也没有与人工乳头接触。检测到的NNS压力范围和频率均在文献[7，11，12，14，16，17，18］．此外，该传感器表现出出色的灵敏度、稳定性和分辨率，足以在低至150 Pa的压力范围内测量非常早产儿和极早产儿的神经神经功能[7，19］．

传感器制造

数字1介绍了应变传感器的制作步骤。首先，在玻璃基板上沉积1µm厚的聚二甲苯层作为牺牲层，采用聚二甲苯涂层体系(Obang Technology OBTPB200)。在parlene层上，如图所示。1a、质量比为10:1的PDMS (184 a和B，道康宁)纺丝，120℃固化1小时。PDMS厚度由旋转涂布机的转速控制。然后对PDMS的顶表面进行O₂等离子体增强附着力和蒸发任何残留的溶剂从表面。然后，在经过处理的PDMS表面上附加一个有图案的阴影面具，该阴影面具通过使用刻字机(Craft ROBO CE5000-40-CRP, Graphtec INC.)将设计好的图案刻在丙烯酸基低胶粘膜上，如图所示。1b.将含有1%分散银纳米线(AgNWs)的甲醇溶液喷涂在附着的掩膜上，喷涂距离基底为16 cm，如图所示。1c.选择低粘性薄膜作为掩模，可以在不剥离基板PDMS的情况下将其移除。取下掩膜后，将样品置于190°C的热板上10分钟，以增强AgNWs的导电性。对于外部连接，将带有母针头的印刷电路板(PCB)放置在有图案的AgNW端子上，并使用导电环氧树脂固定(图1)。1d).最后，如图所示。1e为与第一层厚度相同的封装PDMS层，旋转后在120℃下固化1小时。由于parlene和PDMS之间的附着力较弱，传感器很容易从衬底剥离(图5)。1f).每批制作4个传感器。

AgNW模式的设计是为了在有限的区域内容纳长导电线，以增加灵敏度，但保持一定水平的径向对称，因为均匀的压力应用将使膜以中心对称的方式变形。传感器与衬底分离后，附着在连接模块上，如图所示。2a，是一个4毫米厚的丙烯酸环，内径为14毫米，外径为35毫米，使用激光切割系统(VLS4.60，通用激光系统)制作。该模块作为传感器和人工乳头之间的接口，如图所示。2b.此外，连接模块的内径是调优传感器性能的一个重要参数。

传感器评估设置

为了对传感器特性进行评估，建立了一个定制的评估系统。通过检测压力施加到传感器上时由于变形引起的电阻变化来表征所制备的压力传感器的灵敏度。该传感器还在工作压力范围、灵敏度、可靠性、响应延迟时间、恢复时间、迟滞和分辨率等方面进行了表征。

该装置包括一个注射器，注射器的活塞由z轴电动工作台(ESM303, MARK-10)控制，在气缸内施加负压力表压力，从而对传感器施加压力。系统中施加的压力由压力数据记录器(KP321, Kimo Instruments)直接测量。然后使用LCR计(E4980A, KEYSIGHT)测量施加压力引起的电阻变化。为了在未来的临床应用中降低噪声和更好的设备处理，使用热电偶线制造了定制线。实验中得到的阻力和压力都被传输到计算机中，在计算机中对数据进行进一步的处理和关联。数字3.展示了整个设置及其工作原理。

参数研究

首先研究了传感器膜的厚度和连接模块的内径对灵敏度的影响。将灵敏度定义为

在哪里\ \(δR / R_{0} = \离开({R - R_{0}} \右)/ R_ {0} \)，用R和R₀分别为施加表压时和不施加表压时的电阻，P为施加表压时的电阻，得到不同构型下的灵敏度曲线。采用不同内径、固定PDMS厚度为375 μm的连接模块，灵敏度曲线如图所示。4a.可以看出，在相同的施加压力下，直径越大，阻力变化越大。同样，使用内径为12 mm的连接模块，不同PDMS厚度的灵敏度曲线如图所示。4b，对于较厚的PDMS层，灵敏度较低。然而，所有的结果都有很大的标准偏差，特别是在较高的压力水平下。

此外，通过6 kPa压力下的循环拉伸/释放试验，研究了传感器的稳定性。初步实验表明，传感器响应的稳定性较差，在\ \(δR / R_ {0} \)在周期。为了提高传感器的稳定性，在循环测试之前进行了14.5 kPa的预拉伸。预拉伸的程度有意设置为高于实际拉伸的范围，以在纳米线网络中产生初始裂纹，这将有助于防止在应用较低程度的拉伸时形成新的微裂纹。预拉伸大大提高了稳定性，但相对电阻变化仍有一定程度的增加，如图所示。5．为了进一步提高稳定性，在变形时纳米线网络中应该保留更多的可选电路，因此在周期中降低电阻的退化程度[20.］．保留更多路径的可能方法是增加AgNW的密度或增加AgNW图案条带的宽度，如[20.］．数字5显示了\ \(δR / R_ {0} \)在6kpa压力下，在无预拉伸和有预拉伸的情况下，传感器超过1000个循环的稳定性，以及将预拉伸与增加图案带宽度或增加AgNW沉积量相结合的影响。这两种方法在传感器响应的稳定性方面都有显著的改善，尽管它们降低了灵敏度。

器件表征结果

最后根据参数研究结果对传感器配置进行优化，保证了传感器的稳定性和灵敏度。传感器的合成尺寸以及传感器截面视图的扫描电镜图像如图所示。6．没有连接模块时传感器重量为0.4 g，有连接模块时为3 g。合成的传感器厚度为440 μm。

通过表征四个传感器获得灵敏度曲线，每个传感器在6个不同的压力水平下进行12到16次测量。数字7a表示阻力的相对变化作为施加压力的函数，其中两个不同的区域被识别出来，因此灵敏度为0.06 kPa⁻¹和0.63 kPa⁻¹分别为0 kPa ~ 3.5 kPa和3.5 kPa ~ 6.8 kPa。在3.5 kPa和5.1 kPa的压力载荷下，通过大约1000个加载/卸载循环来评估传感器的稳定性。响应循环试验的电阻的相对变化表现出稳定的行为，如图所示。7b.这要归功于传感器和外部连接部件之间的健壮接口，它允许接口区域在传感器变形期间保持不变形。此外，夹在两个PDMS层之间的AgNW防止了纳米线的分层。

在大约6 kPa的输入下，分析传感器的响应延迟时间，上升时间为0.25 s，试图重现婴儿的非营养性吸吮速度，保守地假设最大吸吮频率为2 Hz [7，12，16，17，并且不考虑中间的任何停顿。在此条件下，电阻达到峰值的时间为0.434 s，如图所示。7c.用上升时间减去这个值，传感器的延迟时间为0.184 s。需要注意的一点是，该实验受到所使用的LCR计的时间分辨率的限制，该分辨率为0.217 s。

采用[的方法21，通过估计噪声水平(R_噪音)．如图所示。7D，噪声水平为0.0052 Ω。传感器的压力分辨率(P_res，因此，可以用\(P_{res} = {\raise0.7ex\hbox{${R_{noise}}$} \!\ mathord{\左/ {\ vphantom {{R_{噪音}}{R_ {0} \ S}}} \。\ kern-0pt} \ ! \ lower0.7ex \ hbox {$ {R_ {0} \ S} $}} \)，得到的最小可测压力为2.47 Pa。此外，通过比较三种不同压力水平下的45个测量值，使用制造的传感器和压力数据记录器作为参考，计算出平均测量精度为220.8 Pa。传感器的迟滞量如图所示。7e为5个循环的4千帕压力，显示可重复的行为在循环。同样,在无花果。7f，得到4 kPa、6 kPa、8 kPa三种不同压力载荷下的滞回曲线。

我们设计并制作了一种基于应变片原理的柔性压力传感器来测量早产儿的非营养性吸吮力，实现了传感器响应的灵敏度和稳定性。该装置制作简单，成本低，易于定制，结构紧凑，重量轻，最显著的是，完全无创。使用所开发的传感器，在感知NNS电源时，不会将任何部件放入婴儿的口腔内或与安抚奶嘴接触，这是保证婴儿安全和保持自然吮吸行为的基础。

该传感器基于银纳米线和PDMS，其压力范围可达6.8 kPa，灵敏度为0.06 kPa⁻¹和0.63 kPa⁻¹分别为0 kPa ~ 3.5 kPa和3.5 kPa ~ 6.8 kPa。此外，该压力传感器在重复循环负载下表现出优异的机电稳定性，在预期应用中具有良好的瞬态响应，以及测量低至2.47 Pa的压力的能力。预计这些特征足以检测所有类型早产儿的神经网络模式。根据之前的工作报道，该传感器有望正确测量包括极早产儿在内的所有年龄早产儿的神经神经功能。

未来，将实现无线通信模块，以促进传感器在临床环境中的使用。此外，为了在临床环境中验证所开发的传感器，将进行实验。

在这项研究中产生或分析的所有数据都包含在这篇发表的文章中。

AgNW:

银纳米线

PDMS:

聚二甲硅氧烷

人:

世界卫生组织

遗传算法:

孕龄

得到:

非营养性吸吮

NS:

营养吸

NICU:

新生儿加护病房

印刷电路板:

印刷电路板

扫描电镜:

扫描电子显微镜

作者要感谢金海Hansol康复和康复医院的Je Sang Lee博士和釜山国立大学医院的Yong Beom Shin教授对传感器需求的宝贵意见。

本研究得到了基础科学研究计划(批准号:NRF-2020R1A2C2008833)通过韩国国家研究基金资助，部分由韩国科学和信息通信科技部支持的DGIST研发计划(批准号为20-RT-01)资助。

作者和联系

1. 大邱庆北科学技术学院机器人工程系，韩国大邱42988

   Jean G. de Oliveira, Tausif Muhammad和Sohee Kim

贡献

JGO制作了器件并进行了所有的实验。JGO和TM建立了传感器特性的定制设置。JGO和SK对结果进行了分析并起草了手稿。所有作者阅读并批准了最终稿件。

相应的作者

对应到Sohee金．

相互竞争的利益

作者声明，他们没有已知的竞争经济利益或个人关系，可能会影响本文报道的工作。

出版商的注意

施普林格自然对出版的地图和机构附属的管辖权要求保持中立。

开放获取本文遵循创作共用署名4.0国际许可协议(Creative Commons Attribution 4.0 International License)，该协议允许在任何媒体或格式中使用、分享、改编、分发和复制，只要您给予原作者和来源适当的署名，提供创作共用许可协议的链接，并说明是否有更改。本文中的图片或其他第三方材料包含在文章的创作共用许可中，除非在材料的信用额度中另有说明。如果材料不包含在文章的创作共用许可中，并且您的预期用途不被法律法规允许或超出了允许的用途，您将需要直接从版权所有者那里获得许可。欲查看此许可证的副本，请访问http://creativecommons.org/licenses/by/4.0/．

再版和权限