基于FMCW雷达与深度学习的非接触式心电重建方法

《IEEE Open Journal of Signal Processing》：A Non-Contact ECG Reconstruction Method Based on FMCW Radar and Adaptive VMD-Assisted Deep Learning

　　为了解决传统心电监测的局限性，包括需要直接接触皮肤、长期使用时的不适感以及在特殊监测场景下适用性有限的问题，本文提出了一种基于FMCW雷达和深度学习的非接触式心电重建方法。在信号预处理阶段，引入了由蚁群优化（ACO）优化的自适应变分模态分解（VMD），以抑制呼吸谐波干扰并提高心跳信号分离效果。在重建阶段，开发了一个整合卷积神经网络、多头部注意力机制和LSTM的深度学习框架，以捕捉局部时间特征和全局序列依赖性，实现从雷达获取的心跳信号到心电波形的映射。在公开数据集和医院额外收集的数据上的实验表明，所提出的方法能够重建与参考心电信号具有高波形一致性的心电信号。定量结果显示，重建信号相对于真实心电实现了低均方根误差（RMSE）、高皮尔逊相关系数（PCC）以及良好的RR间期一致性。结果表明，所提出的方法在非接触式心电重建方面具有可行性，并表明其在连续生理监测方面具有潜力。