mmWaveレーダーで心拍と呼吸を非接触モニタリング

バイタルサイン（体温、血圧、呼吸数、心拍数）は、患者の健康状態と回復または悪化の傾向について、臨床医に即座の洞察を与えます。これらの指標は年齢、性別、体重、フィットネス、現在の身体的または精神的活動によって変化します。例えば運動中は、体温、呼吸数、心拍数が自然に上昇します。

ミリ波（mmWave）レーダーは短波長電波を送信し、物体からの反射を捉えることで、ミリメートルレベルの精度で距離、速度、角度を推測します。この能力により、mmWaveは接着センサーを不要にし、感染リスクを低減する理想的な非接触・継続的バイタルサインモニタリングプラットフォームとなります─特にパンデミック時には重要です。

この記事では、mmWaveレーダーがいかに呼吸数（BR）と心拍数（HR）を検出するか、関連する課題、新たなヘルスケアアプリケーションを探ります。

BRとHRが示すもの

BRとHRの典型的な健康範囲を以下にまとめます（表1）。個人差は年齢、性別、フィットネス、活動レベルによって異なるため、HRとBRの総合評価が臨床医のストレスと全体的な健康状態の把握に役立ちます。

年齢別安静時心拍数は表2に詳細（出典：Wikipedia）。

図1は、フィットネス、ストレス、医学的状態によるHR変動を示します（出典：AAAI 2018）。

異常なBRとHRは、閉塞性睡眠時無呼吸（OSA）、乳幼児突然死症候群（SIDS）、呼吸困難、慢性閉塞性肺疾患など、生命を脅かす状態を示唆します。図2はこれらの障害における特徴的な呼吸パターンを示します（出典：ClinicalGate）。

高い安静時HRは心血管リスク増大と相関し、低い安静時HRは将来的なペースメーカー必要性を予測する可能性があります。BRとHRの継続的非接触モニタリングは、脆弱な患者にとって命を救う可能性があります。

接触型 vs 非接触型モニタリング

従来のバイタルサインデバイス（ECG電極、パルスオキシメーターなど）は直接皮膚接触を必要とします。長期モニタリングでは不便で、交差汚染リスクが増大します。特にmmWaveレーダーのような非接触センサーは、微細な胸部運動を遠隔から測定することで、より安全な代替手段を提供します。

mmWaveレーダーの基礎

mmWaveレーダーは30–300 GHzで動作し、波長は10–1 mmに対応。産業用割り当ては60–64 GHz、自動車システムは76–81 GHzを使用。短波長によりコンパクトなアンテナとサブミリメートル精度の距離検出が可能です。

ここでは周波数変調連続波（FMCW）レーダーに焦点を当てます。FMCWは線形チープ（時間とともに周波数が増加）を送信し、反射信号を取得。送信周波数と受信周波数の差から距離を、位相シフトから運動を導出します。

典型的なFMCWレーダーブロック図を図4に示します（出典：TI.com）。

ミキサーが送信信号と受信信号を合成し、和と差の成分を含む中間周波数（IF）を生成。ローパスフィルターで差成分を分離し、フーリエ変換で物体距離に対応するピークを抽出します。

速度は、ドップラー効果を利用し、連続するチープ間の位相差から導出。短いmmWave波長（約3.5 mm）が位相感度を増幅し、サブミリメートル運動の検出を可能にします。

mmWaveによる心拍と呼吸数検出

60または77 GHzのmmWaveレーダーは、ミリメートルの数分の1という胸部運動を検知できます。図6は信号フローを示します：チープを胸部に向けて送信、反射信号をレンジFFT処理して胸部ビンを分離、そのビンの位相を時間経過で追跡。

速度時系列からドップラーFFTで、心拍（約0.8–2 Hz）と呼吸（約0.1–0.5 Hz）に対応する周波数成分を分離。各1分ウィンドウのピークをカウントしてHRとBR値を算出。図7がこのアルゴリズムを示します。

課題と今後の方向性

信号反射は、肌のタイプ、組織構成、体内水分量の個人差によって変化します。これらの変動に関する継続的な研究が、較正モデルの改良と測定精度の向上を目指しています。

結論

mmWaveレーダーは従来、防衛、自動車、産業分野で活用されてきましたが、進化する精度、高速信号処理、超小型フォームファクタにより、患者活動モニタリング、バイタルサイン監視、さらにはストレスや眠気検出といった変革的なヘルスケアアプリケーションが開かれています。これらの機能は臨床現場だけでなく、インテリジェントなドライバーモニタリングシステムにも期待されます。

参考文献

1. Texas Instruments. "68xx Vital Signs."
2. "Remote Monitoring of Human Vital Signs Using mm‑Wave FMCW Radar."
3. DeepHeart: Semi‑Supervised Sequence Learning for Cardiovascular Risk Prediction.