“按得再深一点!”“别太用力,小心压断肋骨!” 在院外心脏骤停(OHCA)的急救现场,这样的呼喊常因缺乏客观标准而显得苍白。心肺复苏(CPR)的按压深度是决定救治效果的核心指标,但传统监测方式要么依赖专业设备,要么需要接触身体,让多数路人施救时只能 “凭感觉”,导致约 70% 的院外 CPR 深度不达标,错过最佳救治时机。
近日,韩国西江大学与首尔国立大学医学院的联合团队,在《Sensors》期刊(2025 年第 25 卷第 5947 期)发表研究,推出基于 FMCW 雷达的非接触式 CPR 深度监测技术。这项技术就像一把 “无形的精准标尺”,无需接触患者或施救者,就能实时测量按压深度,为院外急救提供了客观、可靠的判断依据。
这项技术的诞生,源于对传统监测方案痛点的精准破解。此前,临床上常用的双加速度传感器需要固定在患者胸部,通过两次积分计算位移,但容易积累误差;智能手机虽能通过内置传感器监测,却需夹在施救者手部与患者胸部之间,不仅影响按压力度,还会因施救者轮换导致数据中断 —— 院外 CPR 通常需要 2-3 人轮换防疲劳,传统设备轮换时重新放置的过程,会造成 10-20 秒的监测空白,而这段时间对心脏骤停患者可能至关重要。
FMCW 雷达技术则完全规避了这些问题。研究团队在实验中,将雷达分别放置在三个典型位置:患者胸部正上方、身体侧面、头部附近,模拟院外急救中可能的摆放场景。结果显示,即使雷达不直接对着胸部,也能通过捕捉微多普勒信号实现精准监测。其中,胸部正上方的监测效果最好,深度估计的均方根误差(RMSE)仅 0.407 厘米;侧面和头部位置的 RMSE 分别为 0.448 厘米、0.489 厘米,均远低于临床可接受的误差范围。
为了让雷达 “看懂” 胸部运动,团队还解决了信号处理的关键难题。传统的信号分析方法,比如短时傅里叶变换(STFT),在处理快速变化的胸部运动时,会出现 “要么看不清楚时间变化,要么看不清楚频率细节” 的问题,导致运动图谱模糊。而团队采用的维格纳 - 威利分布(WVD)技术,能同时清晰捕捉时间和频率的变化,生成的运动图谱能准确区分按压的 “下压” 和 “回弹” 阶段,让后续的 DCNN 模型能精准提取特征。
实验过程严格遵循临床研究规范,经首尔国立大学医院伦理委员会批准(IRB 编号:2207-157-1344)。团队使用 Resusci Anne QCPR 人体模型(模拟成人胸部的弹性和解剖结构),招募 8 名无急救经验的普通人作为受试者,模拟路人施救场景。受试者需按照 3 种按压速率(90、100、110 次 / 分钟)、4 种按压深度(3、4、5、6 厘米),在 3 种雷达位置下完成 36 组测试,每组持续 30 秒。测试中,通过 SimPad 设备实时显示参考深度,确保实验数据的可靠性。
从实验结果来看,这项技术不仅精度高,还具备极强的 “场景适应性”。当雷达位置从胸部正上方移到侧面时,虽然信号强度会有所减弱,但 DCNN 模型能通过学习不同角度的信号特征,自动修正误差;即使在按压速率变化时,比如从 90 次 / 分钟加快到 110 次 / 分钟,模型的误差波动也能控制在 0.1 厘米以内,不会像传统回归模型那样出现明显偏差。
研究团队表示,这项技术的下一步目标,是推动它与急救体系的深度融合。比如,将雷达模块集成到急救包、自动体外除颤仪(AED)中,甚至与智能监控摄像头结合,在公共场所出现心脏骤停事件时,系统能自动识别 CPR 动作并开启深度监测,通过语音提示指导施救者调整力度。
对于普通大众而言,这项技术的意义在于,它让 “专业级的 CPR 监测” 变得触手可及。未来,随着技术进一步简化,或许只需通过手机 APP 就能调用雷达功能,让每个人在紧急时刻都能自信地开展精准 CPR,为心脏骤停患者多争取一分生存希望。
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.
若本文收录的图片文字侵犯了您的权益,请邮件联系我们,我们将在24小时内予以删除。