近日，韓國(guó)西江大學(xué)電子工程系與首爾國(guó)立大學(xué)醫(yī)學(xué)院聯(lián)合團(tuán)隊(duì)在《Sensors》期刊（2025 年第 25 卷第 5947 期）發(fā)表研究，推出基于調(diào)頻連續(xù)波（FMCW）雷達(dá)與深度卷積神經(jīng)網(wǎng)絡(luò)（DCNN）的心肺復(fù)蘇（CPR）按壓深度監(jiān)測(cè)技術(shù)。該技術(shù)打破傳統(tǒng)接觸式設(shè)備局限，實(shí)現(xiàn)非接觸、高精度監(jiān)測(cè)，為院外心臟驟停（OHCA）救治提供新方案。

在院外急救中，CPR 按壓深度需嚴(yán)格控制在 5-6cm，過(guò)淺致灌注不足，過(guò)深易引發(fā)肋骨骨折。但傳統(tǒng)監(jiān)測(cè)工具問(wèn)題突出：雙加速度傳感器易積累誤差，智能手表依賴(lài)佩戴，智能手機(jī)需夾在施救者與患者間干擾操作。數(shù)據(jù)顯示，僅 30% 院外 CPR 能達(dá)指南標(biāo)準(zhǔn)。

此次研發(fā)的核心是 FMCW 雷達(dá)與維格納 - 威利分布（WVD）的結(jié)合。團(tuán)隊(duì)選用 TI AWR1243 型 77GHz 雷達(dá)，3.99GHz 帶寬實(shí)現(xiàn) 3.75cm 距離分辨率，可捕捉胸部厘米級(jí)位移。與傳統(tǒng)短時(shí)傅里葉變換（STFT）相比，WVD 無(wú)需固定窗口，能同時(shí)保證高時(shí)間與頻率分辨率，頻譜圖信噪比提升 20%，清晰區(qū)分按壓 “下壓 - 回彈” 階段。

團(tuán)隊(duì)構(gòu)建 18 層 DCNN 模型，以 WVD 生成的頻譜圖為輸入，經(jīng)卷積、池化等流程輸出深度估計(jì)值。實(shí)驗(yàn)經(jīng)首爾國(guó)立大學(xué)醫(yī)院倫理批準(zhǔn)（IRB：2207-157-1344），8 名受試者在 3 種雷達(dá)位置、4 種深度、3 種速率下完成 36 組測(cè)試。結(jié)果顯示，WVD-DCNN 模型平均均方根誤差（RMSE）僅 0.447cm，較 STFT-DCNN 提升 11.5%，胸部正上方監(jiān)測(cè)時(shí) RMSE 低至 0.407cm，滿(mǎn)足臨床需求。

該技術(shù)還可集成至智能手機(jī)（如 iPhone 11 已搭載超寬帶雷達(dá)），無(wú)需額外設(shè)備，不改變 CPR 流程，未來(lái)有望成為 OHCA 救治的標(biāo)準(zhǔn)化工具。

Choi, I.; Lee, S.G.W.; Kong, H.-J.; Hong, K.J.; Kim, Y. Estimation of Compression Depth During CPR Using FMCW Radar with Deep Convolutional Neural Network. Sensors 2025, 25, 5947.