基于雷达视觉融合系统的新生儿胸腹呼吸分离监测技术：提升非接触式生命体征测量精度

为解决新生儿呼吸频率(RR)和心率(HR)监测中因胸式呼吸主导导致的信号干扰问题，中国科学院微波成像技术重点实验室联合北京大学第三医院团队提出了一种基于多输入多输出(MIMO)雷达与视觉融合的胸腹分离测量方法(STAM)。通过结合窄波束雷达空间滤波与YOLO视觉定位技术，实现了新生儿腹部呼吸信号的高信噪比提取，显著提升了RR测量精度（最大均方根误差2.16 BPM）和系统抗干扰能力。该研究为新生儿重症监护(NICU)提供了非接触、高精度的生命体征监测新方案。

　　

新生儿死亡率在全球范围内居高不下，约75%的死亡发生在出生后第一周，而呼吸频率(RR)和心率(HR)是新生儿复苏的关键指标。现有监测技术如心电图(ECG)存在电极贴附耗时、易致皮肤损伤等问题，而毫米波雷达虽能非接触测量，但传统方法主要针对成人胸式呼吸设计。新生儿因肋间肌薄弱而依赖腹式呼吸，胸壁运动信号信噪比(SIR)低，加之临床环境中医护人员活动干扰，导致现有雷达监测系统精度不足。

为解决这一难题，中国科学院微波成像技术重点实验室联合北京大学第三医院团队在《Scientific Reports》发表研究，开发了基于雷达视觉融合系统(RVF)的胸腹分离测量方法(STAM)。研究采用62-69 GHz频段的4D MIMO雷达（20发射×16接收阵列），结合定制化YOLO新生儿视觉识别数据集，通过数字波束成形(DBF)实现胸腹部信号的精准分离：从腹部提取高SIR呼吸信号，从胸部获取心率信号。关键技术包括窄波束空间滤波（波束宽度<9°）、连续小波变换(CWT)时频分析和卡尔曼滤波优化。

方法创新与系统设计
研究团队首先通过新生儿体长数据建模（胸腹间隔10 cm）定量计算出雷达需满足的4.77°融合精度要求。视觉系统通过识别腋窝与脐部定位胸腹位置，引导雷达波束定向。信号处理中，采用脉冲压缩技术提取相位变化，并创新性地引入呼吸谐波抑制算法（利用RR先验知识消除HR频段干扰）。

实验结果验证
校准实验显示雷达-视觉融合角度误差在±40°方位角内<3°，满足临床需求。在三组新生儿实验中：

1. 静态场景：STAM的RR测量误差（1.51 BPM）显著低于传统胸式信号提取方法(7.22 BPM)；
2. 运动干扰：当新生儿肢体扭动时，RVF系统仍保持RR误差3.35 BPM，而传统方法误差达19.61 BPM；
3. 人为干扰：模拟医护人员活动场景中，窄波束空间滤波使系统RR误差仅1.61 BPM。Bland-Altman分析进一步证实STAM方法的RR/HR测量与ECG结果一致性更优（一致性界限宽度分别为6 BPM和13 BPM）。

结论与展望
该研究首次将新生儿腹式呼吸特性融入雷达监测算法，通过STAM方法使RR测量SIR提升近5倍。RVF系统在真实临床场景中展现出毫米级运动捕捉和实时跟踪能力，为新生儿重症监护提供了革命性的非接触监测工具。未来工作将扩展数据集规模，开发更复杂的呼吸谐波抑制算法，并探索基于监测结果的急症自动诊断功能。这项技术有望在低资源地区推广，助力降低全球新生儿死亡率。

（注：全文数据来源于北京大学第三医院伦理委员会批准项目062-02(2024)，雷达原始数据已公开于百度网盘平台）