近日，韓國西江大學電子工程系與首爾國立大學醫(yī)學院聯(lián)合團隊在《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）雷達與深度卷積神經(jīng)網(wǎng)絡（DCNN）的心肺復蘇（CPR）按壓深度監(jiān)測技術。該技術打破傳統(tǒng)接觸式設備局限，實現(xiàn)非接觸、高精度監(jiān)測，為院外心臟驟停（OHCA）救治提供新方案。

在院外急救中，CPR 按壓深度需嚴格控制在 5-6cm，過淺致灌注不足，過深易引發(fā)肋骨骨折。但傳統(tǒng)監(jiān)測工具問題突出：雙加速度傳感器易積累誤差，智能手表依賴佩戴，智能手機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 能達指南標準。

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

團隊構建 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值。實驗經(jīng)首爾國立大學醫(yī)院倫理批準（IRB：2207-157-1344），8 名受試者在 3 種雷達位置、4 種深度、3 種速率下完成 36 組測試。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)測時 RMSE 低至 0.407cm，滿足臨床需求。

該技術還可集成至智能手機（如 iPhone 11 已搭載超寬帶雷達），無需額外設備，不改變 CPR 流程，未來有望成為 OHCA 救治的標準化工具。

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.