你有没有想过，未来的健康监测或许只需要一部手机、一双智能鞋垫和一条胸带？当老人独自在家时，我们不仅能够知道他是否在行走，还能实时判断步态是否平稳，以及心率和呼吸是否正常。如今，这样的健康监测场景正逐步成为现实。
北京师范大学湾区应用心理学院闵锐副研究员联合国内外多所高校的研究团队，在国际学术期刊 IEEE Internet of Things Journal（JCR Q1，Computer Science, Information Systems，14/266，IF = 8.7）发表最新研究成果。研究论文题为 All-in-One: Smartphone-Based Intelligent Photonic mHealth System for Plantar and Cardiorespiratory Monitoring。该研究提出了一套基于智能手机的全集成光子健康监测系统（如图1所示），在单一便携式平台上实现了足底步态、心率和呼吸三类生理信息的一体化监测，为老年人远程、持续健康照护提供了新的技术解决方案。
图1 系统整体架构与穿戴示意图
研究团队将柔性PDMS聚合物光纤传感器嵌入鞋垫（足跟、第一/五跖趾关节三个通道）和胸带（第四通道），通过手机闪光灯提供光源、摄像头采集光信号，配合3D打印遮光连接器，实现了多通道生理信号的同步、低噪声采集。整个系统体积小巧、佩戴舒适，彻底摆脱了传统电化学传感器笨重、易受干扰、成本高昂的局限。在信号处理层面，团队开发了一套全自动提取流程，能够从视频中精准分离步态、心率和呼吸波形，静态下心率与呼吸率误差均控制在5%以内，步态支撑相与摆动相识别误差仅0.57%和0.43%，达到临床级精度。更为核心的突破在于，团队提出了TodyNet-Pro一种时序动态图神经网络模型（如图2所示）。该模型将多通道生理信号视为动态图结构，通过稀疏化邻接矩阵和可学习加权机制，有效捕捉不同信号之间随时间演变的协同关系。实验表明，在10名志愿者（482组样本）的七种日常活动（走、跑、上下楼、站、坐、蹲、开合跳）分类中，TodyNet-Pro准确率达95.5%；在四种异常步态（内八、外八、内旋、外旋）识别中，平均准确率超过80%，显著优于传统机器学习与深度学习基线模型。
图2 TodyNet-Pro模型框架与多通道信号融合路径
该研究对老年健康监护实践具有重要启示意义。传统远程监护往往依赖单一模态（仅步态或仅心率），难以全面反映老年人真实身体状况。本研究首次证明，通过光信号与深度图网络的结合，可以用极低的硬件成本和佩戴负担，实现对“能力+心肺功能”的同步、持续、智能化评估。这为社区养老、居家慢病管理、跌倒风险预警等场景提供了切实可行的技术路径。本研究首次以“全集成光子传感+时序动态图网络”的综合视角，揭示了低成本可穿戴设备在复杂老年健康监测中的可行性与优越性。研究进一步表明，下一代远程医疗系统不应止于“数据采集”，还应进一步迈向“行为理解”：即从生理信号中自动提取有临床意义的动态活动模式，从而真正实现主动、智能、有温度的老年照护。
系统科学学院在读博士研究生鲍英铄为论文第一作者，北京师范大学湾区应用心理学院闵锐副研究员为论文的通讯作者，其他作者分别为北京师范大学心理学部李小俚教授、文理学院王茁博士和肖坤博士、系统科学学院在读博士研究生章倩、哈萨克斯坦扎尔巴耶夫大学Daniele Tosi教授、意大利罗马生物医学大学Carlo Massaroni教授。
论文信息：
Bao, Y., Wang, Z., Zhang, Q., Xiao, K., Tosi, D., Massaroni, C., Li, X., & Min, R.* (2026). All-in-One: Smartphone-Based Intelligent Photonic mHealth System for Plantar and Cardiorespiratory Monitoring. IEEE Internet of Things Journal, 13(2), 5387-5400. https://doi.org/10.1109/JIOT.2025.3644365
