一种基于60 GHz FMCW雷达的无接触式边缘AI原型，用于模拟呼吸暂停式的呼吸抑制及运动伪影检测

《Technologies》：A Contactless Edge-AI Prototype for Simulated Apnea-like Respiratory Suppression and Motion Artifact Detection Using 60 GHz FMCW Radar

　　

摘要

由于传统多导睡眠图检查需要大量资源且具有侵入性，因此很难在专业实验室之外持续监测与睡眠相关的呼吸异常。本研究提出了一种基于60 GHz频率调制连续波雷达的无接触式边缘AI工程原型，可用于检测受控的自主呼吸运动抑制以及由此产生的伪影。该系统包含60 GHz雷达前端、轻量级本地预处理模块、部署在安捷伦MAX78000 CNN加速器上的INT8一维卷积神经网络，以及用于发送警报的事件驱动型Raspberry Pi Zero 2W网关。评估工作是使用由正常呼吸、自主屏气引起的呼吸抑制以及人为制造的伪影组成的受控健康志愿者数据集进行的。最终的有效测试集包含270个技术上有效的30秒时间窗口，这些窗口在三类数据中分布均衡。INT8模型的整体准确率为92.6%（95%置信区间：88.8–95.2%），其宏观平均精确度、召回率和F1值分别为92.6%、92.6%和92.5%。在MAX78000上运行主动CNN推理时，能耗为0.152 ± 0.011毫焦耳，耗时为5.20 ± 0.11毫秒，这一数值比在Raspberry Pi Zero 2W上使用Python 3.14.6/TensorFlow Lite 2.21.0实现的方案低约280倍。这些结果证明了在边缘设备上实现注重隐私且低功耗的呼吸模式分类的可行性。不过，这项研究应被严格视为基于健康志愿者受控自主呼吸和动作任务的工程概念验证，它并非经过临床验证的睡眠呼吸暂停或阻塞性睡眠呼吸暂停检测系统，也未涉及多导睡眠图检测、血氧饱和度测量、气流感应、睡眠分期或针对患者的诊断分析。