电生理信号具有强度低、不稳定的特点，信号质量受电极-皮肤界面阻抗（EII）和接触界面稳定性的影响很大。传统湿电极使用导电凝胶提高信号质量，但凝胶随时间脱水，EII持续变大，导致信号质量明显下降；传统干电极则存在较大的EII，以及电极-皮肤界面相对位移引起的噪声。近日，中国科学院深圳先进技术研究院神经工程研究中心团队（傅建宇、曹江浪、李光林、方鹏* 等），开发了一款3D打印微针阵列电极（Microneedle Array Electrode，MAE），微针可穿透皮肤角质层，在活性表皮层采集信号，但不接触真皮层和皮下组织；相比传统湿电极，微针电极不受使用时长限制；相比传统干电极，显著降低电极-皮肤界面阻抗，大幅提升信噪比，实现动态环境下安全无创的电生理信号高质量采集。该成果发表于《IEEE Transactions on Instrumentation and Measurement》期刊。
01 研究背景
肌电（EMG）、心电（ECG）和脑电（EEG）等电生理信号广泛应用于健康监测和临床诊断。电极对电生理信号质量有重要影响。传统Ag/AgCl湿电极配合导电凝胶可有效降低EII，然而导电凝胶会随时间脱水，导致无法获取长期稳定信号，从而无法保证电生理信号质量。与之相比，MAE作为一种新型结构化干电极，可直接穿透角质层而不接触真皮层，能与高导电性的活性表皮接触而形成稳定、有效的接触界面，从而显著降低EII。
02 研究概述
本研究使用3D打印工艺制备的MAE，由圆形基底和微针组成，其中微针均匀分布在圆形基底上；还采用磁控溅射工艺在圆形基底和微针表面涂覆钛（Ti）、金（Au）两层金属，以使MAE具有良好的导电性和生物相容性（图1）。
图1：a) 3D打印MAE样品实物，b) SEM图。（图片来自原文）
本研究招募受试者连续25小时佩戴湿电极和MAE，使用阻抗分析仪测量两种电极的EII变化，频率范围为20-2000Hz。结果表明，湿电极的EII不稳定，波动较大，而MAE的EII保持一致且平稳，无明显变化（图2）。为对EII时间变化幅度进行定量分析，本研究采用两种方法计算EII数据的均方根误差（RMSE）。其中，第一种方法，通过计算相邻两组EII数据之间的RMSE1，以此反映相对于前一测量时间点的EII变化；第二种方法，通过计算每组EII数据与实验开始时的RMSE2，以此反映相对于初始条件的EII变化。结果表明，MAE的RMSE1值始终低于湿电极，且波动很小（图3a）；MAE的RMSE2值缓慢增加且能保持相对稳定，而湿电极的RMSE2值随时间迅速增加且波动剧烈（图3b）。
图2： 湿电极和MAE在25小时佩戴期间的EII曲线。a) 湿电极，b) MAE。
图3： a) 湿电极和MAE的RMSE1值，b) 湿电极和MAE的RMSE2值。
（图片来自原文）
生物阻抗分析中，较宽频率范围下测量电极的EII，通常会在奈奎斯特图或频率相关相位图的高频部分观察到小的“折返”或弧线，而传统RC电路模型无法解释该数据特征。本研究通过在传统RC模型中加入并联电感L，建立RCL模型；并分别在100Hz、500Hz、1000Hz、2000Hz频率下获取MAE在RC模型和RCL模型时EII仿真数据和测量数据。结果表明，在不同频率下，RCL模型的拟合效果均最好，且更接近实际测量曲线（图4）。
图4：不同频率下RC和RCL模型的EII仿真和测量值。a) 100 Hz，b) 500 Hz，c) 1000 Hz和d) 2000 Hz。（图片来自原文）
本研究基于MAE开展了EMG和ECG应用评估。在EMG应用中，将MAE放置于旋前圆肌、桡侧腕屈肌、尺侧腕屈肌、桡侧腕长伸肌、桡侧腕短伸肌和尺侧腕伸肌，采集13种手部动作（包括休息）的EMG信号（图5）；进行数据处理和特征提取后，采用K近邻（KNN）、支持向量机（SVM）和反向传播神经网络（BPNN）三种标准分类算法对EMG信号进行分类识别。结果表明，采用KNN时，平均分类正确率为76.6%（图6a）；采用SVM时，平均分类正确率为86.4%（图6b）；而采用BPNN是，平均分类正确率达到了92.5%（图6c）。
图5：a) 采集EMG信号时的电极位置，b) 12种手部动作。
（图片来自原文）
图6: 三种算法的手部动作分类精度。a) KNN，b) SVM和c) BPNN。
（图片来自原文）
在ECG应用中，首先分别使用湿电极、MAE在三种导联下采集受试者静息状态时60s的ECG信号，并计算两种电极记录的平均R波振幅；随后使用MAE在导联II下（该导联在临床实践中广泛使用）采集受试者静息状态时60s的ECG信号，并采用Pan-Tompkins算法计算R波检测准确率。结果表明，MAE在三种导联中获得的平均R振幅均高于湿电极（图7a）；R波检测准确率为100%，即所有峰值均被正确检测，证明了MAE具备采集高质量ECG信号的能力（图7b）。
图7 a) 两种电极记录的ECG信号的R波，b) 采用Pan-Tompkins算法提取的R波。
（图片来自原文）
03 研究意义
本研究重点关注3D打印MAE的EII时间稳定性及电路模型，并使用MAE开展了EMG、ECG电生理信号的应用评估。比较了MAE与湿电极在25小时佩戴期间的EII变化，证明了MAE具有良好时间稳定性；提出了MAE优化电路模型，实现了MAE性能中EII参数的准确拟合；采集了具体场景中的EMG和ECG，验证了MAE的优异性能。因此，与传统电极相比，MAE在健康监测、临床诊断等应用中具有巨大潜力。
参考文献：
Huang S., Fu J.#, Xu D., Cao J., Li G., and Fang P.*, Performance Characterization and Application Assessment for a Type of 3-D-Printed Microneedle Array Electrodes Toward High-Quality Electrophysiological Recording. IEEE Transactions on Instrumentation and Measurement, 2025, 74: 4012010. DOI: 10.1109/TIM.2025.3578716
来源：BME康复工程分会