Respi.AI 的团队建设围绕一个长期方向展开：用柔性传感器采集连续呼吸信号，用 AI 算法从呼吸波形中识别结构化指标，并把研究成果产品化为可在家庭场景中使用的呼吸监测工具。
Respi.AI's team is built around a long-term direction: capturing continuous respiratory signals with flexible sensors, extracting structured metrics from respiratory waveforms through AI algorithms, and productizing research outcomes into home-use respiratory monitoring tools.
王充，中国科学院博士、博士后，深圳市领军人才，国家生物医学工程项目一等资助获得者。近十年从事新型传感器与医学特征数据研究，曾参与国家科技部重点研发计划。
在 Respi.AI，王充带领团队围绕柔性传感器、呼吸信号采集、AI 呼吸算法模型与家用产品化展开研发。团队已申请核心专利，技术成果已落地为家用呼吸监测产品「狒狒贴」。
Wang Chong is the founder of Respi.AI. He holds a Ph.D. and postdoctoral research background from the Chinese Academy of Sciences, is recognized as a Shenzhen City High-Level Talent, and received first-prize national biomedical engineering project funding. He has spent nearly a decade researching novel sensors and medical feature data, and has participated in a National Key R&D Program under the Ministry of Science and Technology.
At Respi.AI, Wang Chong leads R&D across flexible sensors, respiratory signal acquisition, AI respiratory algorithm models, and home-use productization. The team has filed core patents, and its research has been productized as FeiFei Patch, a home-use respiratory monitoring product.
Respi.AI 的研发工作围绕柔性传感器、呼吸信号处理、AI 算法模型和真实世界数据四个方向展开，形成从数据采集到产品落地的完整技术链路。
Respi.AI 的传感器方向聚焦于贴附式呼吸信号采集。狒狒贴通过腹部贴附，直接记录膈肌呼吸运动带来的皮肤细微形变，采样频率 40Hz，精度可达 0.001 毫米皮肤表面形变。
呼吸信号处理方向关注整夜连续波形的稳定采集、噪声处理、体位变化识别和事件片段定位。真实家庭场景中的数据比临床监测场景更复杂，包含不同睡姿、佩戴状态、睡眠习惯和信号噪声，因此需要面向真实世界数据建立信号处理流程。
Respi.AI 的第一个落地 AI 模型是睡眠呼吸暂停检测模型。模型以柔性传感器采集的原始呼吸波形为输入，并通过 PSG 金标准数据比对完成训练与临床验证，输出 AHI、呼吸暂停次数、类型分型、暂停时长统计与体位相关分析等结构化指标。
Respi.AI 的数据方向以柔性传感器采集的原始呼吸波形为核心：一类来自呼吸暂停模型阶段的 PSG 金标准比对验证数据；另一类来自狒狒贴在家庭场景中产生的真实世界整晚监测数据，用于长期追踪、产品迭代和算法迭代。
以下材料用于向合作方与关注者呈现 Respi.AI 技术成果的真实性与可验证性。
| 材料类型 | 当前状态 | 用途 |
|---|---|---|
| 二类医疗器械注册证 | 已取得 Certificate No. Chuan Xie Zhun Zhu 20252070224 |
验证产品与算法已完成注册认证流程 Verifies that the product and algorithm have completed the registration process |
| 核心专利 | 已申请 Filed |
覆盖柔性传感器结构、信号处理算法、AI 模型方法等方向 Covering flexible sensor architecture, signal processing algorithms, AI model methodologies |
| 研究文章 | 已提交学术期刊 Submitted; expected by end of July 2026 |
用于公开呈现呼吸 AI 临床验证方法与结果 To publicly present respiratory AI clinical validation methods and results |
Respi.AI 团队可为不同类型的合作方提供对应的技术与资源支持。
产品培训材料、报告解读流程、筛查项目组织经验。
数据方法学、原始呼吸波形、PSG 金标准比对验证、联合研究设计。
柔性传感器、呼吸信号处理、算法输出指标对接。
前期监测、阶段性复测、长期随访追踪的数据链设计。
我们可以围绕柔性传感器、呼吸 AI 算法、数据方法学与家用产品化能力展开合作沟通。