MI-Ra：利用深度无线传感技术实现抗运动干扰的心肌梗死检测

《ACM Transactions on Sensor Networks》：MI-Ra: Towards Motion-robust Myocardial Infarction Detection Using Deep Wireless Sensing

心肌梗死检测新方法基于RF信号，通过Taylor展开分离混合信号并利用IQ-TransGAN GAN模型提取心跳特征，结合多周期建模提升精度。实验显示静止状态检测准确率95.2%，运动状态保持90.5%，有效解决传统ECG的佩戴不适和运动干扰问题，为智能家居医疗提供新方案。

　　

摘要

早期检测心肌梗死（MI）对于缓解症状和改善日常活动表现至关重要。研究人员通常使用连续的心跳信号片段（20-30秒），例如心电图（ECG）信号，来进行MI检测，因为MI常常会导致心跳模式的变化。目前的MI检测方法，如可穿戴传感器，可能会因长时间佩戴而引起不适；而基于射频（RF）的方法在剧烈运动时可能无法提取到详细的心跳信号。本文提出了一种基于RF信号的可靠且抗运动干扰的MI检测方法。通过开发一系列先进的信号处理算法，MI-Ra能够在各种日常活动中捕获详细的心跳信号。我们的设计基于这样一个事实：由心跳信号引起的RF反射会以非线性的方式与其他运动引起的反射混合在一起。我们利用泰勒级数展开方法提取这些混合非线性信号中的线性成分，并提出了一种名为IQ-TransGAN的生成对抗网络（GAN）方法来分离心跳信号。为了提高MI检测的可靠性，MI-Ra采用多周期性建模方法从恢复的心跳信号中提取更精细的信号表示。我们招募了来自中国武汉中南医院的50名MI患者志愿者和50名非MI患者志愿者进行综合评估。结果表明，在用户处于准静态状态时，MI-Ra的平均MI检测准确率为95.2%；即使在用户处于非静态状态时，其平均检测准确率仍能达到90.5%。MI-Ra为智能家居医疗保健领域的发展带来了希望。