編者按：從古至今，人類從未停止過探索未知世界的腳步，認(rèn)知世界的能力和手段與日俱增。中科院之聲與中國(guó)科學(xué)院空天信息創(chuàng)新研究院聯(lián)合開設(shè)“觀天測(cè)地”專欄，為大家介紹天上地上探索的那些事兒，帶來空天信息領(lǐng)域最新進(jìn)展，普及科學(xué)知識(shí)。

由于社會(huì)的發(fā)展，人們對(duì)健康管理和健康追求的重視程度增加，對(duì)自身或家人健康狀況進(jìn)行監(jiān)測(cè)的需求也日益增多。

目前，人們利用儀器獲取生命特征信息，對(duì)健康狀況進(jìn)行監(jiān)測(cè)。一般監(jiān)測(cè)儀器依靠接觸式傳感器、電極進(jìn)行測(cè)量，需要直接或間接接觸人體，這種測(cè)量方式存在應(yīng)用范圍限制以及使用者依從性問題，當(dāng)使用者不愿意佩戴或者忘記佩戴傳感設(shè)備時(shí)，這些測(cè)量設(shè)備便無(wú)法正常工作。

中國(guó)科學(xué)院空天信息創(chuàng)新研究院（空天院）傳感技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室醫(yī)療電子團(tuán)隊(duì)針對(duì)上述問題，致力基于毫米波雷達(dá)的無(wú)感式醫(yī)療健康監(jiān)測(cè)研究，解決使用者依從性問題，避免因接觸式佩戴設(shè)備帶來的不舒適感，有助于將健康監(jiān)測(cè)融入日常生活。

目前，毫米波雷達(dá)在醫(yī)療健康領(lǐng)域的典型應(yīng)用可以被概括為三類：生理體征監(jiān)測(cè)、跌倒檢測(cè)、人機(jī)交互等。

一、生理體征監(jiān)測(cè)

科研團(tuán)隊(duì)研制了基于調(diào)頻連續(xù)波（FMCW）雷達(dá)的集成化系統(tǒng)，開展無(wú)感式心率、血壓的連續(xù)動(dòng)態(tài)監(jiān)測(cè)研究。

1. 心率監(jiān)測(cè)

科研團(tuán)隊(duì)提出靈敏的人體運(yùn)動(dòng)檢測(cè)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(chǎng)景下保持心率測(cè)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(guó)家標(biāo)準(zhǔn)（<5bpm），在同等實(shí)驗(yàn)條件下其精度是最高的。

其具有高精度和低計(jì)算復(fù)雜度，且可以在低成本雷達(dá)芯片上實(shí)現(xiàn)，這也為毫米波雷達(dá)健康監(jiān)測(cè)進(jìn)入生活場(chǎng)景提供了可能。

▲圖1 心率計(jì)算的綜合性能評(píng)估

2. 血壓監(jiān)測(cè)

科研團(tuán)隊(duì)首次提出并研制了基于脈搏波傳遞時(shí)間的單雷達(dá)非接觸式連續(xù)血壓測(cè)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(cè)量。該系統(tǒng)所測(cè)脈搏傳遞時(shí)間與穿戴式測(cè)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(guó)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(guó)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(cè)量血壓。

▲圖2 雷達(dá)血壓監(jiān)測(cè)相關(guān)性分析

二、跌倒檢測(cè)

在跌倒檢測(cè)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(cè)方法，獲取不同雷達(dá)特征信息完成檢測(cè)，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，實(shí)現(xiàn)高準(zhǔn)確度跌倒檢測(cè)（圖3），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(cè)試中達(dá)到98.3%的真陽(yáng)性率和0.05%的假陽(yáng)性率。

▲圖3 毫米波雷達(dá)跌倒檢測(cè)框架

此外，科研團(tuán)隊(duì)還提出一種基于異常檢測(cè)思想的跌倒檢測(cè)模型，使用困難樣本挖掘技術(shù)減小假陽(yáng)性率（圖4），可以在復(fù)雜的真實(shí)場(chǎng)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(yáng)性率和1.07%的假陽(yáng)性率。

▲圖4 無(wú)監(jiān)督跌倒檢測(cè)框架

三、人機(jī)交互

研究團(tuán)隊(duì)探索研究出多種模型，用于人機(jī)交互。例如，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(shì)識(shí)別框架等。這些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，可實(shí)現(xiàn)用戶的個(gè)性化監(jiān)測(cè)和管理。

基于心臟雷達(dá)信號(hào)的身份識(shí)別模型，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，大大降低訓(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(shì)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(shì)數(shù)據(jù)，實(shí)現(xiàn)高準(zhǔn)確度手勢(shì)識(shí)別。在訓(xùn)練/測(cè)試比接近1：4的交叉位置域和訓(xùn)練/測(cè)試比接近1：8的跨環(huán)境域的設(shè)置下，該模型的手勢(shì)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(cè)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，心律失常、卒中、慢阻肺和睡眠呼吸暫停等慢病管理領(lǐng)域具有廣闊應(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(guó)科學(xué)院一區(qū)期刊。

發(fā)表論文：

1. 方震, 簡(jiǎn)璞, 張浩, 等. 基于FMCW雷達(dá)的非接觸式醫(yī)療健康監(jiān)測(cè)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.

來源：中國(guó)科學(xué)院空天信息創(chuàng)新研究院

相關(guān)知識(shí)

心率變異性監(jiān)測(cè)的新技術(shù)：毫米波雷達(dá)讓你更健康！
毫米波雷達(dá)為什么成為醫(yī)療健康監(jiān)測(cè)領(lǐng)域的香餑餑？
中科大毫米波雷達(dá)技術(shù)突破：非接觸心臟監(jiān)測(cè)誤差率僅26.1毫秒
空天院醫(yī)療電子團(tuán)隊(duì)基于毫米波雷達(dá)無(wú)感式醫(yī)療健康監(jiān)測(cè)研究取得進(jìn)展
毫米波雷達(dá)：老年人健康管理新利器！
毫米波雷達(dá)如何實(shí)現(xiàn)精準(zhǔn)心率變異性檢測(cè)？
AI融合毫米波雷達(dá)，IOTE·2024 深圳毫米波雷達(dá)技術(shù)生態(tài)研討會(huì)成功舉辦！
看懂毫米波雷達(dá)，這一篇就夠啦！
毫米波雷達(dá)助力保護(hù)嬰幼兒呼吸健康監(jiān)測(cè)，硬核科技護(hù)航寶寶健康成長(zhǎng)
智能家居適老化：毫米波雷達(dá)恰逢其時(shí)

網(wǎng)址: 健康監(jiān)測(cè)好幫手：毫米波雷達(dá)｜觀天測(cè)地 http://m.gysdgmq.cn/newsview1671297.html