12月5日消息，據中國科學技術大學官網消息，該校吳曼青院士團隊陳彥教授、孫啟彬研究員等人實現了基于毫米波雷達的非接觸人體心電圖實時監測，突破了100余年來心電圖僅能通過接觸式傳感器獲取的局限。

心血管疾病是全球第一大致死疾病，每年約有1860萬人因此失去生命。心電圖（ECG）監測一直被視為臨床診斷心血管疾病的金標準之一，在疾病早期診斷發現以及后續治療過程中均有極高的臨床價值。然而，自發明一百多年來至今，ECG的工作原理是通過接觸皮膚的電極捕捉反映心臟狀態的電活動變化，要求利用貼身電極測量體表的電活動變化，導致不適的用戶體驗。

具體來說，陳彥教授等人利用心臟電活動與機械活動是心臟活動同源不同表征的特性，開發了一種毫米波雷達系統，用于非接觸式測量心臟機械活動，從射頻（RF）信號中提取4D心臟機械運動信號，隨后利用深度神經網絡模型建模心臟機械活動與電活動之間的非線性映射關系，通過數據驅動的方式求解該域轉換問題，并實現從RF輸入到ECG輸出的端到端重建映射，最終還原出心電ECG波形。據介紹，研究人員進行了200項實驗試驗，涉及35名年齡在18至65歲之間的參與者。毫米波雷達裝置放置在他們身體上方0.4至0.5米之間，在正常呼吸、不規則呼吸、運動后和睡眠四種不同的生理狀態，以模擬日常生活中的常見情況。在使用這些數據來訓練和測試他們的人工智能后，研究人員發現，與帶電極的標準心電圖監測技術相比，該方法的實現了時間中位數精度誤差小于14毫秒，形態中位數精度大于90%的非接觸ECG監測性能。

該研究突破了無線信號在人體感知任務中的物理感知極限，提供了一種非接觸ECG監測方法。在使用過程中，被測者不需要佩戴電極也不需要去除衣物，以無感的方式完成ECG監測，具有極高的臨床價值。不過需要指出的是，當患者隨機移動時，新方法檢測方法得出的結果可能不太準確。研究小組計劃在未來的工作中解決這個問題。這項研究也涉及健康個體，因此需要進一步訓練人工智能算法，以適用于患有特定潛在心血管疾病的人。

審核編輯黃昊宇