본 논문은 밀리미터파 레이더 신호로부터 고해상도 심전도(ECG) 신호를 재구성하는 어려움을 해결하기 위해, 전기적 영역(ECG)과 기계적 영역(심장 박동)의 심장 활동을 분리하는 새로운 딥러닝 프레임워크인 radarODE를 제안합니다. radarODE는 레이더 신호에서 추출된 시간적 및 형태학적 특징을 융합하여 ECG를 생성하며, 상미분 방정식(ODE)을 디코더로 포함하여 형태학적 사전 정보를 제공함으로써 모델 학습의 수렴성을 향상시키고 움직임에 대한 강건성을 높입니다. 실험 결과, radarODE는 기존 방법 대비 누락 검출률, 평균 제곱근 오차, 피어슨 상관 계수에서 각각 9%, 16%, 19% 향상된 성능을 보였습니다.