无线感知论文速递, IEEE Transactions on Radar Systems, 2023 | Monitoring of Heart Movements Using an FMCW Ra

注1：本系列文章旨在系统地阐述无线感知领域最新进展与技术突破。其中每一期都将深入探讨一篇来自Nature/Science及其子刊、MobiCom、Sigcom、MobiSys、NSDI、SenSys、Ubicomp; JSAC等顶级期刊与会议的研究论文（涵盖心电检测等实际应用场景）。
本次介绍的文章选自IEEE Transactions on Radar Systems, 2023年发表的一篇题为《基于FMCW雷达的心动监测研究》（ heart movements using an FMCW radar）的研究成果。
文章唯一标识码为：10.1109/TRS.2023.3298348。

IEEE Transactions on Radar Systems, 2023 | 采用非侵入性方法监测心脏运动轨迹的一种FMCW雷达系统

在本文中,R´emi GRISOT和他的团队开发出了一种利用FMCW雷达进行心脏运动监测的技术,并将其与ECG相结合。此方法则为心脏疾病的确诊及预防开辟了无创且经济实用的道路。

1. 引言

心脏疾病因其是造成全球范围内致命疾病的主要原因之一而备受关注，在过去一年中约有1790万人因此丧生。对于这类致命疾病的防控与早期发现具有重要意义；电子心电图（ECG）与超声心动图被视为评估心脏活动的最佳方法；然而这些设备具有较高的成本并且操作要求较高；频率调制连续波(FMCW)雷达作为一种对微小运动极其敏感的技术工具；可能成为一种既经济又便于操作的补充手段[2]。

2. 动机

尽管ECG作为诊断心脏病的最佳选择[1]但它无法获取全部相关信息[2]ECG能够记录心电信号的变化[1]其中心电活动与身体内部运行机制紧密联系[2]然而其他传感器如超声心动图能够更全面地捕捉运动信息[1]因此射频（RF）感应技术在 recent years has garnered significant attention [3]

基于FMCW雷达技术, 我们通过毫米波雷达精准捕捉心脏运动特征, 从而开发了一种无创且成本低廉的方式用于监测心肌动态. 随后, 我们验证了心肌运动与ECG信号间的显著关联, 并开发了一种算法以同步ECG数据与雷达传感器处理结果. 研究结果深入揭示了心肌运动的本质特征, 这些发现可能为心脏病专家提供新的诊断工具参考文献[4].

3. 方法

为了同时获取ECG和FMCW雷达的数据, 本研究设计了一个具体的实验方案。我们对两台不同计算机进行了配置, 并启动了两组传感器的数据采集程序, 因此在实际运行中可能出现信号采集时间差的情况。在后续部分中详细阐述了我们的同步机制。

我们对22名受试者进行了实验性测试：其中包括11名男性和11名女性。所有受试者的年龄范围为20至58岁之间，并具有平均年龄为25.5岁。他们均签署了知情同意书以参与本研究。在第一阶段测试中，参与者被要求采用仰卧姿势，并将雷达传感器水平安置于胸部上方约50厘米处。参与者被要求保持静止并避免发出任何声音，在深呼吸以缓慢地进行气体交换的情况下采集了持续一分钟的第一组数据记录（第一配置）。随后我们要求参与者屏气至吸气至肺部完全充满，并采集了三秒钟的数据记录（第二配置）。最后我们要求参与者将肺部完全呼气以完成第三阶段测试（第三配置）。

接着, 参与者被安置为右侧卧位, 我们进行了三次会话捕捉（采用缓慢深呼吸, 肺部充满气体时暂停呼吸, 肺部空无气体时再次暂停）

4. 实验和结果

改写说明

完成对ECG信号的处理后，我们旨在识别出P、Q、R、S和T五个关键波形特征。其中Q和S波形位于R波的基底部位置，在此区域集中反映了心室收缩期的心电活动特征。由此可见，为了更好地捕捉心律变化的信息表现形式，在后续分析中将特别关注于识别P、R以及T三个主要波形的变化规律。该过程被划分为两个步骤：首先通过扫描整个信号来寻找所有的峰值点；随后对这些关键点进行分类分析以确定其对应的生理意义

该系统采用DBScan算法作为聚类核心。由于该方法基于密度特性的优势使其能够识别离群点，在此方案中我们无需担心FindPeaks算法所带来的虚假异常点问题。如图所示，在分析过程中我们可以清晰地观察到聚类结果的具体分布情况。

该系统经历了多步预处理流程，在分析过程中我们能够从雷达信号中提取出由心脏运动引发的特征，并对其进行与心电图(ECG)数据的相关性研究。

改写说明

5. 不足和未来展望

尽管该方法为无创心脏监测提供了新的可能性,但也面临一些限制以及改进潜力。首先提出,该方法是建立在对心脏动作与皮肤运动之间关系的假设基础之上的。这些假设是基于现有的心脏学知识形成的,但它们可能并不完全适用于所有个体群体。此外而言,该方法需要通过人工同步ECG与雷达信号进行匹配,这一过程可能会引入更多的误差风险,从而影响其准确性表现。

在未来的日子里, 我们致力于优化同步算法, 并探讨新的方法以更精确地解析心脏动作与皮肤运动之间的关系. 我们还计划在患有已知心脏疾病的人群中展开更多实验, 并确定更多标准以解释和利用本文所述的信号.

6. 总结

心脏疾病已成为全球关注的重要公共卫生议题。鉴于此，研发无创且经济高效的新型检测与监控手段具有重要意义。本文中，R´emi GRISOT及其研究团队提出了一种基于频率调制连续波(FMCW)雷达的新型监测方法，并与其心电图(ECG)数据相结合。该方法结合心电图（ECG）分析，在非侵入性条件下显著提升了心脏疾病诊断与预防的有效性。

就目前而言，这篇文章为无创心脏监测领域提供了一种新的研究视角，并非仅仅局限于无创心脏监测领域；同时表明了无线感知技术在医疗领域的广阔应用前景。

参考文献：

[2]: R´emi GRISOT et al.'s work focuses on a novel approach for monitoring cardiovascular dynamics through advanced radar systems combined with electrocardiographic (ECG) data analysis.
IEEE Transactions on Radar Systems has published this research in 2023 under the same identifier.
[3]: A team led by Fadi Adib et al., along with Hsin-Mao et al., developed a smart home system designed to enhance user well-being by continuously tracking vital signs such as breathing rates and heartbeats.
This innovative solution was presented at the CHI '15 conference.
[4]: The study by Yasuma et al., titled "Respiratory sinus arrhythmia," delves into the mechanisms underlying synchronized cardiovascular responses to respiratory fluctuations.
Their findings were published in Chest journal in February 2004.