心血管疾病常年位居全球死亡诱因首位，传统临床检测设备体积庞大、只能定点间断筛查，常规智能穿戴又存在运动伪影干扰、校准易老化、信号解析难度高等问题。加之柔性传感材料研发多依赖试错实验，周期长、成本高，真实场景下复杂生理信号难以精准处理，运动体能监测、慢病居家监护等场景始终缺少成熟技术方案。
作者：Haoran Deng，Biao Ma，Gangsheng Chen，Junjie Chi，Jiayi Tong，Fuchao Yu，Bo Lu，Yanjie Chen，Chao Zhao，Chunwu Zhang，Hong Liu
DOI:https://doi.org/10.1021/acssensors.5c04840
近日由东南大学生物科学与医学工程学院、数字医学工程国家重点实验室以及温州医科大学附属第一医院的跨学科团队在ACS Sensors刊发综述，论文标题为“Artificial Intelligence-Driven Wearable Sensors for Cardiovascular Health Monitoring”，系统构建AI赋能可穿戴传感的完整研究体系，为柔电传感、医疗监测及运动健康领域科研与应用指明方向。
可穿戴心血管监测的物理与生化途径
综述系统盘点机械电子、声学、超声、生物阻抗、光电PPG、心电、电磁、生化八大主流可穿戴传感技术，逐一对比工作机理、适用场景与固有短板，清晰梳理各类传感器在运动状态监测、心血管筛查中的适配性差异。
Figure 1. Principles of various wearable technologies for cardiovascular monitoring. Table 1. Wearable Cardiovascular Monitoring Technologies
研究深度总结AI核心应用技术路径，涵盖材料基因模型、多目标优化、大文献挖掘辅助传感材料开发，以及机器学习逆向设计微纳结构；同时引入迁移学习、持续学习实现传感器自适应校准，依托CNN、GAN、Transformer架构完成生理信号降噪、多模态特征融合与病理模式识别。
Figure 2. AI-assisted optimization of sensing materials.
文章还重点剖析行业现存瓶颈，包括模型轻量化部署难、临床可解释性不足、数据隐私安全、临床验证标准缺失等，并给出对应解决策略，兼顾学术前沿性与工程实用性。
Figure 3. AI-assisted wearable cardiovascular sensor calibration.
对材料领域科研者而言，该综述可直接用作SCI选题、综述框架搭建、创新点挖掘的优质参考；对体育从业者，也为日常体能监测、运动负荷评估、术后康复追踪提供可穿戴技术选型与应用思路。 如果你也关注柔性可穿戴传感、AI生理信号处理、运动健康与心血管医疗监测，可借鉴这篇综述研究脉络，快速找准科研创新方向与课题落地切入点。
特别声明：智慧医疗网转载其他网站内容，出于传递更多信息而非盈利之目的，内容仅供参考。版权归原作者所有，若有侵权，请联系我们删除。
凡来源注明智慧医疗网的内容为智慧医疗网原创，转载需获授权。
