使用 AI 驱动的毫米波雷达测量多点脉搏传导时间

为什么监测脉搏很重要

心脏和血管问题常常在多年内悄然发生。医生知道，动脉的“硬度”和血压包含了有关未来心梗、中风及其他疾病风险的重要线索。本研究探索了一种在不使用袖带、导线甚至不接触皮肤的情况下追踪这些线索的方法：利用一台紧凑的雷达和人工智能来观察每次心跳所引起的微小身体运动。

倾听心跳的新方法

每当心脏收缩，就会向动脉发送一个压力波，类似于沿软管传播的波纹。该波在两点之间传播所需的时间，称为脉搏传导时间（pulse transit time），反映了动脉的刚性或柔软程度，并与舒张压——心脏松弛时的血压——有关。如今通常用接触式传感器或充气袖带测量这些指标，但这些方法会不适或难以长期佩戴。研究人员试图验证：单台小型毫米波雷达是否能在不接触受试者的情况下，在上半身多个位置追踪这些脉搏波。

雷达如何捕捉看不见的运动

团队的原型系统称为 PolyPulse，放置在桌下、坐着者手腕下方。它发出高频电磁波，波束遇到人体反射回装置。由于每次心跳会使胸部、颈部、头部和腕部产生仅数十微米量级的微小位移，返回的波形携带微弱但规律的模式。通过波束形成（beamforming），雷达将注意力指向四个特定区域：胸部心尖、耳后乳突区、颈部的颈动脉以及手腕处的桡动脉。四个部位脉搏出现的微妙时间差揭示了沿三条路径传播的速度：心脏到手腕、心脏到颈部和头部到手腕。

教人工智能识别脉搏

将原始雷达回波转化为有用数值并非易事。呼吸、轻微动作以及周围物体的反射很容易淹没微弱的脉搏位移信号，尤其是在像手腕这样狭窄血管处。为此，研究人员构建了一个深度神经网络，处理来自每个身体部位周围多个波束的雷达信号强度与相位。首先，一个信号处理步骤按显示重复心跳模式的强弱对雷达波束排序。然后神经网络学习在波形中定位关键标志，例如心脏主瓣开启的时刻或手腕与颈部脉搏的第一次上升。通过在四个部位逐搏比对这些标志，系统估算脉搏传导时间，并在对每人进行简单校准后推算舒张压。

系统测试

团队在一项包含47名成年人的研究中评估了 PolyPulse，受试者年龄、体型和健康史各异，其中包括一些高血压、房颤或其他心脏问题的参与者。参与者坐在桌前，胸部、颈部、头部和手腕佩戴标准接触传感器，雷达在下方记录。为制造脉搏传导时间和血压的自然波动，志愿者在测量期间在固定自行车上做间歇骑行。数百次测量中，雷达记录的脉搏传导时间在三条路径上与接触式传感器的结果高度一致，典型误差仅为几毫秒。当将这些时序通过为每人定制的简单回归模型转换为舒张压时，雷达估算结果符合国际非侵入式血压设备的指南，平均误差低于1毫米汞柱且变异适中。

日常环境下的稳健性与局限

除了基本精度外，研究人员还检验了系统在现实环境变化下的表现。他们改变了雷达的距离与倾斜角、在身体上增加衣物层、让受试者说话、使用鼠标或轻微摆动、在不同房间测试，并在一年后重复测量。脉搏时序误差通常保持在几毫秒以内，舒张压误差大约在5毫米汞柱左右，即使通过衣物或在不同室内环境中也能保持该水平，尽管剧烈的身体运动仍会干扰读数。该方法在按年龄、身高、体质指数、性别及有无心血管疾病分组时表现相似，尽管确诊疾病的参与者人数较少。

对心脏健康的潜在意义

对普通读者而言，主要结论是：一台鞋盒大小的雷达配合智能软件，能够在多个点同时观察脉搏波在体内的传播，无需袖带或黏贴传感器，并恢复出与标准动脉硬度和舒张压测量相符的信息。尽管这仍是早期实验室研究，尚非家用设备，但它暗示了这样一种未来：心血管疾病风险人群或许只需在客厅附近坐下，靠近一个低调的传感器就能持续监测其心血管健康的微妙变化。

引用: Zhu, J., Yuan, K., Prabhakara, A. et al. Measuring multi-site pulse transit time with an AI-enabled mmWave radar. Nat Commun 17, 4554 (2026). https://doi.org/10.1038/s41467-026-73453-x

关键词: 脉搏传导时间, 毫米波雷达, 无接触监测, 血压估算, 心血管健康