首頁資訊空天院醫(yī)療電子團(tuán)隊(duì)基于毫米波雷達(dá)無感式醫(yī)療健康監(jiān)測研究取得進(jìn)展

空天院醫(yī)療電子團(tuán)隊(duì)基于毫米波雷達(dá)無感式醫(yī)療健康監(jiān)測研究取得進(jìn)展

來源：泰然健康網(wǎng) 時(shí)間：2025年06月07日 20:05

　　近日，中國科學(xué)院空天信息創(chuàng)新研究院傳感技術(shù)國家重點(diǎn)實(shí)驗(yàn)室醫(yī)療電子團(tuán)隊(duì)，在基于毫米波雷達(dá)的無感式醫(yī)療健康監(jiān)測研究方面取得重要進(jìn)展。

　　目前，毫米波雷達(dá)在醫(yī)療健康領(lǐng)域的典型應(yīng)用可以概括為3類：生理體征監(jiān)測，跌倒檢測，人機(jī)交互。

　　在生命體征監(jiān)測方面，團(tuán)隊(duì)研制基于調(diào)頻連續(xù)波（FMCW）雷達(dá)的集成化系統(tǒng)，開展無感式心率、血壓的連續(xù)動(dòng)態(tài)監(jiān)測研究。

　　針對(duì)心率監(jiān)測，團(tuán)隊(duì)提出靈敏的人體運(yùn)動(dòng)檢測算法和最優(yōu)距離元選擇算法，以及全局優(yōu)化模型，可識(shí)別身體運(yùn)動(dòng)狀態(tài)，對(duì)不同個(gè)體、不同睡姿等場景下保持心率測量的精度。在91.2%的時(shí)間覆蓋率下，心跳間隔（IBI）誤差中位數(shù)為12ms，逐拍心率（HR）誤差中位數(shù)為0.65bpm（如圖1），精度可達(dá)到醫(yī)療級(jí)心率監(jiān)護(hù)設(shè)備的國家標(biāo)準(zhǔn)(<5bpm)，在同等實(shí)驗(yàn)條件下其精度是最高的。具有高精度和低計(jì)算復(fù)雜度，且可在低成本雷達(dá)芯片上實(shí)現(xiàn)，為毫米波雷達(dá)健康監(jiān)測進(jìn)入生活場景提供可能性。

　　針對(duì)血壓監(jiān)測，團(tuán)隊(duì)首次提出并研制基于脈搏波傳遞時(shí)間的單雷達(dá)非接觸式連續(xù)血壓測量系統(tǒng)，利用單毫米波雷達(dá)實(shí)現(xiàn)血液從心臟左心室到頸動(dòng)脈傳遞時(shí)間的實(shí)時(shí)測量。該系統(tǒng)所測脈搏傳遞時(shí)間與穿戴式測量的傳輸時(shí)間相關(guān)系數(shù)可達(dá)0.91，其收縮壓（SBP）和舒張壓（DBP）誤差分別為5.54±7.62 mmHg和4.68±6.15 mmHg（圖2），接近于美國醫(yī)療器械促進(jìn)協(xié)會(huì)頒布的評(píng)價(jià)電子血壓計(jì)的國際標(biāo)準(zhǔn)（AAMI）標(biāo)準(zhǔn)，因此有望在不干擾用戶日?；顒?dòng)的情況下以非接觸的方式連續(xù)測量血壓。

　　在跌倒檢測方面，團(tuán)隊(duì)提出基于多模態(tài)雷達(dá)信息融合的跌倒檢測方法，獲取不同雷達(dá)特征信息完成檢測，有助于幫助人們及時(shí)獲取跌倒信息，便于開展救助。模型首次同時(shí)融合距離、速度、方位角度和俯仰角度等信息，可有效區(qū)分52種日常非跌倒動(dòng)作和12種跌倒動(dòng)作，在新用戶新環(huán)境的測試中達(dá)到98.3%的真陽性率和0.05%的假陽性率，實(shí)現(xiàn)高準(zhǔn)確度跌倒檢測（圖3）。

　　此外，團(tuán)隊(duì)還提出一種基于異常檢測思想的跌倒檢測模型，使用困難樣本挖掘技術(shù)減小假陽性率（圖4），可以在復(fù)雜的真實(shí)場景中保持高準(zhǔn)確度。在不使用跌倒樣本，也不使用非跌倒樣本的標(biāo)簽信息訓(xùn)練模型的情況下，達(dá)到95.54%的真陽性率和1.07%的假陽性率。

　　在人機(jī)交互方面，團(tuán)隊(duì)探索研究出基于心臟雷達(dá)信號(hào)的開集身份識(shí)別模型、基于半監(jiān)督學(xué)習(xí)的步態(tài)識(shí)別模型、半監(jiān)督手勢識(shí)別框架等多種模型。有效幫助用戶和計(jì)算機(jī)系統(tǒng)之間進(jìn)行信息交流，實(shí)現(xiàn)個(gè)性化監(jiān)測和管理。

　　基于心臟雷達(dá)信號(hào)的身份識(shí)別模型，團(tuán)隊(duì)首次探討在開集假設(shè)下，利用雷達(dá)心跳信號(hào)進(jìn)行身份識(shí)別的可行性，該算法在開集和閉集環(huán)境下都表現(xiàn)出很好的有效性，在閉集和開集的設(shè)置下準(zhǔn)確度分別達(dá)到99.17 %和93.57 %。

　　基于半監(jiān)督學(xué)習(xí)的步態(tài)識(shí)別模型是首個(gè)基于雷達(dá)的半監(jiān)督步態(tài)識(shí)別方法。使用兩種模態(tài)的雷達(dá)信號(hào)進(jìn)行協(xié)同訓(xùn)練，降低訓(xùn)練模型所需要的帶標(biāo)簽樣本的數(shù)量，有助于這一技術(shù)的推廣使用。該方法在僅使用每個(gè)用戶4分鐘的帶標(biāo)簽樣本的情況下，步態(tài)識(shí)別準(zhǔn)確度達(dá)到90.7%。

　　半監(jiān)督手勢識(shí)別框架結(jié)合∏模型和特定的數(shù)據(jù)增強(qiáng)技術(shù)，以充分利用大量未標(biāo)記的毫米波手勢數(shù)據(jù)，實(shí)現(xiàn)高準(zhǔn)確度手勢識(shí)別。在訓(xùn)練/測試比接近1：4的交叉位置域和訓(xùn)練/測試比接近1：8的跨環(huán)境域的設(shè)置下，該模型的手勢識(shí)別正確率分別達(dá)到98.32%和97.39%。

　　目前基于毫米波雷達(dá)的非接觸式的醫(yī)療健康監(jiān)測系統(tǒng)已在部分醫(yī)院得到臨床驗(yàn)證，未來在醫(yī)療照護(hù)，智能化養(yǎng)老，心血管、卒中、慢阻肺和睡眠呼吸暫停等慢病領(lǐng)域有廣闊的應(yīng)用前景。

　　以上研究成果發(fā)表于《IEEE物聯(lián)網(wǎng)期刊》（IEEE Internet of Things Journal）、《專家系統(tǒng)及其應(yīng)用》（Expert Systems With Applications）等中國科學(xué)院一區(qū)期刊。

　　發(fā)表論文：

　　[1]方震, 簡璞, 張浩, 等. 基于FMCW雷達(dá)的非接觸式醫(yī)療健康監(jiān)測技術(shù)綜述[J]. 雷達(dá)學(xué)報(bào), 2022, 11(3): 499–516. doi: 10.12000/JR22019.

　　[2]Zhang H, Jian P, Yao Y, et al. Radar-Beat: Contactless beat-by-beat heart rate monitoring for life scenes[J]. Biomedical Signal Processing and Control, 2023, 86: 105360.

　　[3] Geng F, Bai Z, Zhang H, et al. Contactless and Continuous Blood Pressure Measurement According to caPTT Obtained from Millimeter Wave Radar[J]. Measurement, 2023: 113151.

　　[4]Yao Y, Liu C, Zhang H, et al. Fall detection system using millimeter-wave radar based on neural network and information fusion[J]. IEEE Internet of Things Journal, 2022, 9(21): 21038-21050.

　　[5]Yao Y, Zhang H, Liu C, et al. Unsupervised Learning-Based Unobtrusive Fall Detection Using FMCW Radar[J]. IEEE Internet of Things Journal, 2023. doi: 10.1109/JIOT.2023.3301887.

　　[6] Yan B, Zhang H, Yao Y, et al. Heart signatures: Open-set person identification based on cardiac radar signals[J]. Biomedical Signal Processing and Control, 2022, 72: 103306.

　　[7]Yao Y, Zhang H, Xia P, et al. mmSignature: Semi-supervised human identification system based on millimeter wave radar[J]. Engineering Applications of Artificial Intelligence, 2023, 126: 106939.

　　[8]Yan B, Wang P, Du L, et al. mmGesture: Semi-supervised gesture recognition system using mmWave radar[J]. Expert Systems with Applications, 2023, 213: 119042.