“按得再深一點(diǎn)！”“別太用力，小心壓斷肋骨！” 在院外心臟驟停（OHCA）的急救現(xiàn)場(chǎng)，這樣的呼喊常因缺乏客觀標(biāo)準(zhǔn)而顯得蒼白。心肺復(fù)蘇（CPR）的按壓深度是決定救治效果的核心指標(biāo)，但傳統(tǒng)監(jiān)測(cè)方式要么依賴專業(yè)設(shè)備，要么需要接觸身體，讓多數(shù)路人施救時(shí)只能 “憑感覺”，導(dǎo)致約 70% 的院外 CPR 深度不達(dá)標(biāo)，錯(cuò)過最佳救治時(shí)機(jī)。

近日，韓國(guó)西江大學(xué)與首爾國(guó)立大學(xué)醫(yī)學(xué)院的聯(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 FMCW 雷達(dá)的非接觸式 CPR 深度監(jiān)測(cè)技術(shù)。這項(xiàng)技術(shù)就像一把 “無形的精準(zhǔn)標(biāo)尺”，無需接觸患者或施救者，就能實(shí)時(shí)測(cè)量按壓深度，為院外急救提供了客觀、可靠的判斷依據(jù)。

這項(xiàng)技術(shù)的誕生，源于對(duì)傳統(tǒng)監(jiān)測(cè)方案痛點(diǎn)的精準(zhǔn)破解。此前，臨床上常用的雙加速度傳感器需要固定在患者胸部，通過兩次積分計(jì)算位移，但容易積累誤差；智能手機(jī)雖能通過內(nèi)置傳感器監(jiān)測(cè)，卻需夾在施救者手部與患者胸部之間，不僅影響按壓力度，還會(huì)因施救者輪換導(dǎo)致數(shù)據(jù)中斷 —— 院外 CPR 通常需要 2-3 人輪換防疲勞，傳統(tǒng)設(shè)備輪換時(shí)重新放置的過程，會(huì)造成 10-20 秒的監(jiān)測(cè)空白，而這段時(shí)間對(duì)心臟驟停患者可能至關(guān)重要。

FMCW 雷達(dá)技術(shù)則完全規(guī)避了這些問題。研究團(tuán)隊(duì)在實(shí)驗(yàn)中，將雷達(dá)分別放置在三個(gè)典型位置：患者胸部正上方、身體側(cè)面、頭部附近，模擬院外急救中可能的擺放場(chǎng)景。結(jié)果顯示，即使雷達(dá)不直接對(duì)著胸部，也能通過捕捉微多普勒信號(hào)實(shí)現(xiàn)精準(zhǔn)監(jiān)測(cè)。其中，胸部正上方的監(jiān)測(cè)效果最好，深度估計(jì)的均方根誤差（RMSE）僅 0.407 厘米；側(cè)面和頭部位置的 RMSE 分別為 0.448 厘米、0.489 厘米，均遠(yuǎn)低于臨床可接受的誤差范圍。

為了讓雷達(dá) “看懂” 胸部運(yùn)動(dòng)，團(tuán)隊(duì)還解決了信號(hào)處理的關(guān)鍵難題。傳統(tǒng)的信號(hào)分析方法，比如短時(shí)傅里葉變換（STFT），在處理快速變化的胸部運(yùn)動(dòng)時(shí)，會(huì)出現(xiàn) “要么看不清楚時(shí)間變化，要么看不清楚頻率細(xì)節(jié)” 的問題，導(dǎo)致運(yùn)動(dòng)圖譜模糊。而團(tuán)隊(duì)采用的維格納 - 威利分布（WVD）技術(shù)，能同時(shí)清晰捕捉時(shí)間和頻率的變化，生成的運(yùn)動(dòng)圖譜能準(zhǔn)確區(qū)分按壓的 “下壓” 和 “回彈” 階段，讓后續(xù)的 DCNN 模型能精準(zhǔn)提取特征。

實(shí)驗(yàn)過程嚴(yán)格遵循臨床研究規(guī)范，經(jīng)首爾國(guó)立大學(xué)醫(yī)院倫理委員會(huì)批準(zhǔn)（IRB 編號(hào)：2207-157-1344）。團(tuán)隊(duì)使用 Resusci Anne QCPR 人體模型（模擬成人胸部的彈性和解剖結(jié)構(gòu)），招募 8 名無急救經(jīng)驗(yàn)的普通人作為受試者，模擬路人施救場(chǎng)景。受試者需按照 3 種按壓速率（90、100、110 次 / 分鐘）、4 種按壓深度（3、4、5、6 厘米），在 3 種雷達(dá)位置下完成 36 組測(cè)試，每組持續(xù) 30 秒。測(cè)試中，通過 SimPad 設(shè)備實(shí)時(shí)顯示參考深度，確保實(shí)驗(yàn)數(shù)據(jù)的可靠性。

從實(shí)驗(yàn)結(jié)果來看，這項(xiàng)技術(shù)不僅精度高，還具備極強(qiáng)的 “場(chǎng)景適應(yīng)性”。當(dāng)雷達(dá)位置從胸部正上方移到側(cè)面時(shí)，雖然信號(hào)強(qiáng)度會(huì)有所減弱，但 DCNN 模型能通過學(xué)習(xí)不同角度的信號(hào)特征，自動(dòng)修正誤差；即使在按壓速率變化時(shí)，比如從 90 次 / 分鐘加快到 110 次 / 分鐘，模型的誤差波動(dòng)也能控制在 0.1 厘米以內(nèi)，不會(huì)像傳統(tǒng)回歸模型那樣出現(xiàn)明顯偏差。

研究團(tuán)隊(duì)表示，這項(xiàng)技術(shù)的下一步目標(biāo)，是推動(dòng)它與急救體系的深度融合。比如，將雷達(dá)模塊集成到急救包、自動(dòng)體外除顫儀（AED）中，甚至與智能監(jiān)控?cái)z像頭結(jié)合，在公共場(chǎng)所出現(xiàn)心臟驟停事件時(shí)，系統(tǒng)能自動(dòng)識(shí)別 CPR 動(dòng)作并開啟深度監(jiān)測(cè)，通過語音提示指導(dǎo)施救者調(diào)整力度。

對(duì)于普通大眾而言，這項(xiàng)技術(shù)的意義在于，它讓 “專業(yè)級(jí)的 CPR 監(jiān)測(cè)” 變得觸手可及。未來，隨著技術(shù)進(jìn)一步簡(jiǎn)化，或許只需通過手機(jī) APP 就能調(diào)用雷達(dá)功能，讓每個(gè)人在緊急時(shí)刻都能自信地開展精準(zhǔn) CPR，為心臟驟�；颊叨酄�(zhēng)取一分生存希望。

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.