《Sensors》：Dual-Channel Sensing and Event-Based Feedback for Cardiopulmonary Resuscitation Training
编辑推荐：
摘要专业翻译
基于人体模型的心肺复苏（cardiopulmonary resuscitation，CPR）训练中，协调的按压与通气反馈需要传感器测量、事件检测与质量判定之间建立清晰的联系。本研究在一个STM32原型系统中表征了上述环节的关联，该系统集成了BF3
摘要专业翻译
基于人体模型的心肺复苏（cardiopulmonary resuscitation，CPR）训练中，协调的按压与通气反馈需要传感器测量、事件检测与质量判定之间建立清晰的联系。本研究在一个STM32原型系统中表征了上述环节的关联，该系统集成了BF350应变片、AD620接口电路和HU108气流开关。用于重新校准的五组静态激光参考配对数据，其系统相对参考的平均偏差为+1.14 mm，平均绝对误差（mean absolute error，MAE）为1.34 mm，均方根误差（root mean square error，RMSE）为1.98 mm。加载-卸载分离度为0.7–2.3 mm，重新拟合的转换系数随安装条件而变化。激光标注的合格按压试验在规律节律下产生基于计数的灵敏度为88.0%–93.5%；浅按压动作的假阳性比例为46.5%，不完全释放的假阳性比例为20.5%。受控正向气流试验检测到30/30次常规脉冲和3/30次最弱脉冲，在定义的一秒无气流窗口内特异性为99.89%。在100次电输入至LED驱动器的测试中，平均延迟为26.4 ms，观测范围为17.5 ms。上述结果界定了该原型的操作包络，并识别出校准、动作判定和气流强度为反馈可靠性的三个独立决定因素。所报告的终点指标为校准集一致性、基于计数的分类和电气驱动时序；留出数据的准确度、物理按压至光/声延迟以及教育有效性需要另行评估。
论文解读
一、研究背景与意义
心肺复苏（cardiopulmonary resuscitation，CPR）是挽救心脏骤停患者生命的关键急救技能，其培训质量直接关系到实际急救效果。在地面航空培训场景中，乘务人员和机场人员需要协调完成紧急救护动作，而个体化的按压与通气记录可以补充教员的主观评估，通过文档化动作序列和时序来提升培训的客观性与可追溯性。当前CPR培训反馈系统虽已有多样化的技术路线，包括智能手机、智能手表、动作捕捉系统和交互式人体模型等，但多数研究聚焦于反馈对技能习得和保留的促进作用，而对反馈系统本身从传感器测量、事件检测到质量判定这一完整链条的系统性表征仍然不足。
现有CPR培训反馈设备面临的核心问题在于：传感器原始信号与最终反馈决策之间存在多个处理环节，任一环节的误差都可能被逐级放大，而既有研究往往将各环节混为一谈，难以定位误差来源。按压深度、频率和回弹是CPR培训的核心指标，成人基础生命支持方案采用30:2的按压-通气比，反馈系统需要针对具体教学目标提供针对性指导。然而，应变信号到深度估计的转换依赖经验校准，且受传感器安装位置和方式影响；气流开关仅提供阈值跨越事件而非潮气量测量；算法中的候选周期窗口与质量分类阈值之间存在语义差异。这些环节的误差特性缺乏独立量化，导致反馈可靠性难以系统评估。
本研究正是针对上述问题展开，其意义在于通过台架试验对双通道CPR培训原型系统进行分阶段表征，将传感器测量、检测事件和反馈决策分离为可独立评估的环节，从而建立面向具体应用的操作包络，为后续固定参数校准、事件匹配分类和培训效果验证提供量化基础。
二、研究内容与主要技术方法
研究人员在前期本科原型和初步台架记录的基础上，对集成BF350应变片、AD620放大器、HU108气流开关和STM32F103C8T6主控器的双通道CPR培训原型系统进行了系统表征。研究采用了以下几项关键技术方法：
第一，激光参考静态校准法。使用经校准的激光位移传感器（PHOSKEY，深圳）作为独立物理参考，在2、4、6、8和10 kg加载质量下获取五组系统-激光配对数据，计算平均偏差、平均绝对误差（MAE）和均方根误差（RMSE）以量化校准一致性。
第二，动态加载与安装依赖性测试。在100次/分钟的按压频率下，对40、50、60和70 mm设定行程各进行120次循环的动态加载试验；同时进行中心位置与20 mm左偏和上偏位置的对比测试以及三次独立安装的重复校准试验。
第三，激光参考合格按压分类试验。设置七种场景，每种场景进行十次60秒重复试验，以激光位移作为深度和回弹参考，评估规则节律、不规则节律、浅按压、不完全释放和静息条件下的合格按压计数性能。
第四，受控气流触发测试。使用经校准的1 L注射器（上海玻璃仪器厂）和参考流量计（Wright Respiratory Products Ltd.，伦敦）串联HU108，施加500、300、200和100 mL四种正向吸气脉冲各30次，同时进行三段5分钟无气流暴露以评估特异性。
第五，电气输入至驱动器时序基准测试。通过函数发生器（RIGOL，苏州）在AD620输入端注入差分电阶跃信号，使用100 MHz示波器（RIGOL，苏州）比较输入上升沿50%点与LED驱动GPIO转换50%点之间的延迟，共进行100次触发测试。
三、研究结果
3.1 静态深度估计。 通过五组激光参考校准配对（覆盖15.8–94.8 mm范围）的对比试验，系统相对激光参考的平均偏差为+1.14 mm，MAE为1.34 mm，RMSE为1.98 mm。拟合关系为估计深度=1.02594×激光参考深度?0.32804 mm，R2=0.99745。最大绝对差异出现在8 kg加载点，估计深度80.6 mm对激光参考76.4 mm，偏差+4.2 mm，对应5.50%高估。
3.2 动态峰值偏差。 在40、50、60和70 mm设定行程下，平均峰值深度偏差分别为?0.8、?1.0、?1.7和?2.8 mm，±3 mm范围内比例为78.3%–86.7%，最大单周期绝对偏差为4.9 mm。
3.3 功能检查。 存档功能检查记录了20/20次按键响应、10/10次常规气流触发和一次弱气流触发遗漏（分母未记录）；60秒内约接收120帧蓝牙数据，未见明显字符损坏。
3.4 电气反馈时序与信号链限制。 100次电阶跃测试中，输入至GPIO延迟平均26.4 ms，最小19.7 ms，最大37.2 ms，观测范围17.5 ms。工程预算对应值为26.0、19.3和36.7 ms，观测最大值超出预算0.5 ms。
3.5 加载-卸载行为与校准变异性。 五个激光参考深度下，卸载减加载分离度从0.7 mm增至2.3 mm，未加权均值1.48 mm。位置偏移后重新拟合的K值变化为?7.8%和?4.4%；三次独立安装的K值范围0.0982–0.1015 mm/count，样本相对标准差1.65%。
3.6 描述性算法对比。 在40–70 mm设定行程下，当前算法的周期计数准确率为98.3%–99.2%，对比算法为92.5%–95.0%；通气事件匹配为96.7%–97.5%对84.2%–88.3%；平均事件延迟为33.5–35.0 ms对150.9–152.3 ms。
3.7 激光参考合格按压性能。 在60、80和120次/分钟节律下，平均真阳性计数分别为54.7、74.8和105.6，对应灵敏度91.2%、93.5%和88.0%。浅按压动作产生27.9±1.73次假阳性（46.5%），不完全释放产生12.3±2.21次（20.5%），静息状态所有十次试验均产生假输出，平均7.4±1.71次/分钟。
3.8 受控HU108触发响应。 开关导通阈值为12.5 L/min，变异系数4.2%。四种递减体积/峰值流量设置下的脉冲检测分别为30/30、27/30、20/30和3/30，对应100%、90.0%、66.7%和10.0%。三段无气流块中仅出现一次假边缘事件，特异性为899/900=99.89%。
3.9 激光参考深度分类。 内部一致的校准集矩阵显示，40 mm条件下0/120次错误分类，50 mm条件下14/120次（11.7%），目标灵敏度94.7%，特异性82.5%。60和70 mm矩阵因与提供总数或深度跨度冲突而被排除。
四、讨论与结论
讨论部分指出，事件状态表示将应变衍生特征和气流边缘关联到共同训练序列，同时保持测量、候选周期、质量类别和反馈决策的分离，使校准误差、事件检测和质量分类可被独立评估。激光参考仪器将深度估计锚定到物理位移参考，但MAE和RMSE量化的是同一五对数据拟合后的一致性，下一步需以预先固定的转换参数在全新配对激光数据集上评估。50 mm校准条件下的11.7%分类误差定位了关键质量边界。合格按压试验表明主要分类问题在于接受不合格动作。受控HU108测试量化了二元触发对输入气流条件的依赖，但泄漏、方向、脉冲形状和开关迟滞仍需进一步表征。电气基准测量的是输入电阶跃至GPIO延迟，物理按压至感知反馈的延迟需要额外时序端点。
研究结论为：本研究表征了双通道人体模型CPR原型从应变转换和气流事件到质量判定和电气反馈的完整链路。激光参考校准获得MAE 1.34 mm和RMSE 1.98 mm，加载和安装测试量化了转换依赖性。合格按压试验将浅按压和不完全释放的接受问题确定为算法改进的优先方向。受控HU108测试解决了输入依赖检测问题，在定义的无气流窗口内特异性为99.89%；电气输入至驱动器基准的平均延迟为26.4 ms。上述结果共同提供了分阶段的操作包络，为固定校准、事件匹配和物理反馈验证奠定了具体基础。源数据表和分析代码支持已发布摘要的数值复现，存档结果与新结果得到明确区分。
