隨著科研與健康研究不斷深入，真實場景、長周期、連續化的個體狀態監測需求日益迫切。傳統實驗室設備受場地條件和操作復雜度制約，難以獲取自然狀態下的高質量連續數據。

可穿戴技術憑借便攜、無創、長時佩戴優勢，顯著拓展了研究場景和邊界。其中，腕戴式設備佩戴依從性高、信號穩定，可同步采集心率HR、心率變異性HRV、皮膚電EDA、脈搏波PPG、運動信號IMU等多模態數據，成為科研監測的優選方案。

然而，目前多數研究仍存在單模態表征不足、實驗室與真實世界脫節、多源數據難整合、數據分析門檻高等痛點。睿絡維可穿戴多模態數字健康平臺的應用，為實現從原始信號采集到標準化科研指標輸出提供了高效、可靠的一體化工具支撐。

睿絡維可穿戴多模態數字健康平臺由設備端+研究端+云端+客戶端四部分構成，覆蓋數據采集、處理、分析與管理全流程，支持實驗室與真實世界場景的多樣化研究，并通過單賬號貫通多端實現數據同步。

一、設備端：高質量多模態生理信號采集

設備端以睿絡維Ralovi S2和Ralovi T2兩款可穿戴多模態生理信號采集設備為核心。

Ralovi S2兼顧實驗室與自然場景佩戴，具有以下特點：

（1）信號模態豐富：可同步采集EDA（皮膚電）、PPG（脈搏波）、HR（心率）、HRV（心率變異性）、SpO?（血氧）、EMG（肌電）、ECG（心電）、皮膚溫度、九軸運動等十余種信號，覆蓋生理、運動及環境參數。

（2）信號質量卓越：設備原始生理信號保真度高、波形完整，數據準確度與可靠性滿足高質量科研需求。

（3）長時間可靠運行：支持自然場景下長時舒適佩戴，全傳感器開啟續航30小時；內置3GB存儲支持20天離線采集；720小時壓力測試，丟包率<0.01%。

Ralovi T2則更專注于實驗室科研場景，在保有S2核心功能的基礎上對采集方式和性能進行了全面升級：

（1）采集部位拓展：支持不同部位佩戴和外接拓展配件，例如可在手指采集EDA和PPG信號，在手臂及腿部肌群采集EMG信號，在胸部采集ECG信號，滿足更高質量的研究需求。

（2）采樣率更高：舍棄屏幕交互，將資源集中于信號采集，實現PPG和ECG更高采樣率，提高信號質量和計算準確度。

（3）續航更持久：配備更大容量電池，支撐長時間、高強度科研任務。

二、研究端：多維特征提取與整合分析

研究端的BioLab軟件支持設備集群管理、實時數據采集與可視化、原始數據導入導出及主動事件標記等基礎功能，并提供信號質量評估與預處理功能。軟件內置豐富的特征提取工具，可自動計算PPG、EDA等信號特征用于統計分析或模型構建；同時支持多維生理參數整合分析，生成個體狀態綜合評估報告。研究者可將數據上傳至云端，生成具有行為與臨床意義的數字化生物標記。

三、云端：數字化生物標記智能計算引擎

云端承載設備接入、用戶管理、數據分析及業務服務等基礎能力，以數字化生物標記的計算為核心，涵蓋活動、步態、睡眠、體征和癥狀五大模塊。平臺將原始信號與基礎特征自動解算為可量化指標，為研究者提供直接可用的分析結果，降低底層信號處理與算法開發等負擔。

四、客戶端：真實世界遠程管理門戶

客戶端包含網頁管理門戶和移動端小程序，承擔了真實場景下的遠程數據查閱與項目管理工作。研究者可通過雙端口便捷管控項目與用戶、實時查看設備狀態、原始采集數據及各類數字化生物標記指標，同時可調取數據分析報告、開展隊列群體統計分析。平臺支持生成可視化數據看板，便捷實現科研數據的規范化管理與高效應用，構建起輕量化、高效率的遠程科研管理體系。

在運動健康領域，運動健康研究關注運動負荷、疲勞與康復進程。研究表明，夜間靜息心率和HRV的微小波動可作為過度訓練和恢復不足的早期預警信號(Nuuttila et al., 2024)。在能量消耗評估中，通過加速度計和心率信號計算MET和MVPA，可評估日?；顒铀胶瓦\動干預效果(Freedson et al., 2012)。此外，結合心率和能量消耗等指標的深度學習算法(Enomoto et al., 2018)，可識別運動類型與動作細節(Mangiarotti et al., 2019)，為訓練評估和比賽判罰提供客觀依據(Salman et al., 2017)。步頻、步速、跨步長度及SV95C等步態指標可客觀量化運動效率和技術特征(Mason et al., 2023)，而HRV長期動態變化可評估機體恢復狀態、識別慢性疲勞積累與過度訓練風險(Freedson et al., 2012; Rios & Pyne, 2025)。

綜上，睿絡維可穿戴多模態數字健康平臺實現了從“原始信號”到“可解釋指標”的標準轉化，為多領域研究提供了即用型的數字化生物標記，降低了跨學科研究的技術門檻，為多學科交叉研究提供了成熟可靠的一體化技術支撐。