# radarODE: An ODE-Embedded Deep Learning Model for Contactless ECG Reconstruction from Millimeter-Wave Radar

### 저자

Yuanyuan Zhang, Runwei Guan, Lingxiao Li, Rui Yang, Yutao Yue, Eng Gee Lim

### 개요

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.

### 시사점, 한계점

- **시사점:**

    - 레이더 기반 비접촉식 심장 모니터링 기술의 정확도 향상에 기여

    - 심장 활동의 전기적 및 기계적 영역 분리에 대한 새로운 접근법 제시

    - ODE 기반 디코더를 활용하여 모델의 강건성 및 수렴성 향상

    - 고정밀 ECG 신호 재구성을 통한 실제 환경 적용 가능성 제시

- **한계점:**

    - 제안된 방법의 일반화 성능에 대한 추가적인 연구 필요

    - 다양한 체형 및 움직임에 대한  로버스트니스 평가 추가 필요

    - 실제 환경에서의 성능 평가 및 검증 필요

    - 사용된 데이터셋의 제한으로 인한 일반화 성능 저하 가능성

[PDF 보기](https://arxiv.org/pdf/2408.01672)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).