祝贺赵一桥同学的论文在Adv. Funct. Mater.期刊发表！

https://doi.org/10.1002/adfm.202418265

**全文总结**

本文介绍了一种结合柔性摩擦电水凝胶传感器（FTHS）和深度学习模型的高精度面部表情识别（FER）系统。该系统旨在解决当前心理健康监测和虚拟远程医疗中的问题，为智能时代的心理健康监测和虚拟远程医疗发展提供新的解决方案。

**重要亮点**

- **心理健康与面部表情识别的重要性**：心理健康对人类福祉至关重要，近年来受疫情和自然灾害影响，人们心理健康负担加重。医疗资源难以满足心理健康服务需求，而自动面部表情识别系统可帮助医生判断心理健康状况，还可用于虚拟通信和人机交互。

- **传统面部表情识别技术的局限性**：传统的面部表情识别主要依赖图像识别技术和各种软硬件设备，如相机，这些设备复杂、昂贵且不灵活，难以监测日常心理健康，还受光线影响且存在隐私安全问题。传统传感器也难以用于可穿戴智能系统。

- **基于水凝胶的柔性摩擦电传感器的优势**：水凝胶基摩擦电传感器具有优异的拉伸性、透明度、可调离子电导率等特性，是可穿戴摩擦电传感器的理想电极材料，在面部表情识别领域有巨大应用潜力。

- **本文提出的面部表情识别系统**：作者开发了一种结合四个 FTHS 和深度学习模型的高精度 FER 系统。FTHS 具有良好的拉伸性、透明度、生物相容性和美学特性，能响应不同面部动作产生电信号。通过一维卷积神经网络（1D-CNN）模型处理表情数据，可识别六种基本表情，平均准确率达 99.44%。

- **系统的应用前景**：该系统可用于收集日常情绪信息以评估心理健康状况，也可用于患者与医生的虚拟通信，保护患者隐私，为远程医疗和便携式医疗提供解决方案，缓解心理健康服务资源短缺问题。