近日，韩国西江大学电子工程系与首尔国立大学医学院联合团队在《Sensors》期刊（2025 年第 25 卷第 5947 期）发表研究，推出基于调频连续波（FMCW）雷达与深度卷积神经网络（DCNN）的心肺复苏（CPR）按压深度监测技术。该技术打破传统接触式设备局限，实现非接触、高精度监测，为院外心脏骤停（OHCA）救治提供新方案。

在院外急救中，CPR 按压深度需严格控制在 5-6cm，过浅致灌注不足，过深易引发肋骨骨折。但传统监测工具问题突出：双加速度传感器易积累误差，智能手表依赖佩戴，智能手机需夹在施救者与患者间干扰操作。数据显示，仅 30% 院外 CPR 能达指南标准。

此次研发的核心是 FMCW 雷达与维格纳 - 威利分布（WVD）的结合。团队选用 TI AWR1243 型 77GHz 雷达，3.99GHz 带宽实现 3.75cm 距离分辨率，可捕捉胸部厘米级位移。与传统短时傅里叶变换（STFT）相比，WVD 无需固定窗口，能同时保证高时间与频率分辨率，频谱图信噪比提升 20%，清晰区分按压 “下压 - 回弹” 阶段。

团队构建 18 层 DCNN 模型，以 WVD 生成的频谱图为输入，经卷积、池化等流程输出深度估计值。实验经首尔国立大学医院伦理批准（IRB：2207-157-1344），8 名受试者在 3 种雷达位置、4 种深度、3 种速率下完成 36 组测试。结果显示，WVD-DCNN 模型平均均方根误差（RMSE）仅 0.447cm，较 STFT-DCNN 提升 11.5%，胸部正上方监测时 RMSE 低至 0.407cm，满足临床需求。

该技术还可集成至智能手机（如 iPhone 11 已搭载超宽带雷达），无需额外设备，不改变 CPR 流程，未来有望成为 OHCA 救治的标准化工具。

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.