新加坡国立大学设计与工程学院电气与计算机工程系何锦伟教授团队，以田国博士为第一作者，开发出一种集成人工智能信号处理的元水凝胶传感器平台，能够通过动态身体信号实时解码疲劳与压力水平。该平台在运动期间提供高信噪比的心电图和低偏差的血压测量，符合ISO临床标准，并优于现有商业设备。

该元水凝胶传感器结合硬件过滤和机器学习算法，有效抑制多种运动噪声源。纳米颗粒散射吸收机械振动，甘油-水电解质控制离子传输，允许低频心脏信号通过，同时阻挡高频干扰。这使得心电图信号质量从5.19分贝提升至37.36分贝，峰值检测准确率从52%提高到93%。田博士表示：“与当前智能手表相比，我们的系统在日常活动中达到约37分贝信噪比，在运动条件下表现优越。”

研究团队构建了可穿戴MAP系统，用于多日监测，包括模拟驾驶任务。基于高质量心血管数据，深度学习系统以92%的准确率识别疲劳水平，而传统方法仅为64%。该系统还符合血压监测的ISO 81060-2标准，并显示出在更广泛神经生理学监测中的潜力。何教授指出：“我们计划与心理健康医生合作，优化数据相关性，推动临床应用。”团队正寻求产业伙伴，以提高设备一致性和可扩展性，实现产品级实施。研究成果已发表在《自然·传感器》期刊。

出版详情：作者：National University of Singapore；标题：《Smart sensor decodes fatigue and stress from body signals on the move》；发表于：《Nature Sensors》(2026)；期刊信息: Nature Sensors