综述文章

基于毫米波雷达的失眠中医证候辨识与分析

61 次观看

⸱

2026年9月11日

 ,  ,  ,  ,  , 
1School of Artificial Intelligence in TCM, Shanghai University of Traditional Chinese Medicine, 2Shanghai Rongtai Health Technology Co., Ltd.

本文内容

摘要

本研究提出一种非接触式毫米波雷达框架，通过从两层框架中提取15个多维睡眠特征，以客观表征五种传统中医（TCM）失眠证型。该两层框架包括原始信号（呼吸、心率、体动）和通过算法模型估算的衍生参数（睡眠结构、微觉醒），这些模型需通过多导睡眠图（PSG）进行验证。

摘要

为解决中医失眠证候辨证中缺乏连续、客观的夜间体征数据的问题，本研究基于毫米波雷达技术，探索失眠证候的客观表征方法及其数字化、智能化识别路径。本综述系统检索了中国知网（CNKI）、万方、PubMed 和 Web of Science 数据库，时间范围为 2008 年 1 月至 2026 年 8 月，涵盖中医失眠证候辨识与治疗、心率变异性与自主神经功能、以及基于毫米波雷达的非接触式睡眠/呼吸监测相关文献。以中医五大失眠证型的病机为出发点，结合现代睡眠生理学，推导出内在的“证候—自主神经/体征”关联机制。通过雷达采集的非接触式运动信号，转化为呼吸、心率和体动等基础生命体征序列。基于这些基础信号，构建了一套涵盖睡眠结构、自主神经功能、呼吸模式和体动行为四个维度的 15 项定量指标体系。其中，基础指标通过直接提取或简单统计获得，而睡眠结构、微觉醒及呼吸暂停低通气指数（AHI）等指标则通过算法模型估算，需与多导睡眠图（PSG）进行验证比对。本研究建立了五大失眠证型与雷达信号特征之间的病机—生理映射模型，形成包含 15 项标准化参数的中医睡眠数字化表征体系，为从非接触信号中解耦不同证候间的微观差异提供了理论计算基础。毫米波雷达可作为传统四诊的有效延伸，为失眠证候辨识提供无创、连续的夜间数据补充。本研究构建的指标体系与理论框架，为后续临床数据验证及家庭化、数字化、智能化的中医睡眠评估设备研发奠定了方法学基础。​

引言

睡眠障碍已成为全球性的公共卫生问题。在中医理论中，失眠属于“不寐”的范畴，其辨证论治体系以阴阳失衡为核心，强调因人制宜的个体化诊疗。传统的中医辨证主要依赖医师通过望、闻、问、切四种诊法积累的经验进行判断。随着中医药现代化的发展，利用现代传感技术实现辨证信息的客观采集与定量分析，已成为“数字化、智能化”中医临床研究的重要方向1。

传统的多导睡眠图（PSG）和可穿戴设备（如智能手环、智能手表和心电贴片）均需要佩戴传感器；这些方法可能引起明显的睡眠干扰和显著的“首夜效应”，因此不适用于长期连续的家庭监测。毫米波雷达能够以非接触方式直接检测呼吸和心率这两项关键生命体征，并通过测距和测速识别人体运动信号。近年来的研究进展已证明，基于雷达的睡眠分期与PSG具有中等至高度的一致性2,3。类似地，多项研究已将雷达提取的心率变异性（HRV）与心电图（ECG）进行验证，结果显示在时域和频域参数上具有可接受的一致性4,5。基于雷达的呼吸事件检测及呼吸暂停低通气指数（AHI）估算也已有探索，与PSG相比，报告的相关性超过0.86,7。然而，诸如睡眠分期、微觉醒指数和AHI等衍生参数并非直接可测，而是需要进一步的算法估计，并与PSG进行验证。相较于睡眠分期和呼吸事件监测，基于雷达的微觉醒检测仍相对不够成熟8。

基于毫米波雷达对人体生命体征的监测以及中医睡眠类型分类理论，本文探讨了毫米波雷达技术与中医睡眠类型辨识的深度融合。旨在总结基于雷达的睡眠监测研究现状，分析雷达获取的生理参数与常见中医失眠证候之间可能的对应关系，并讨论这种数字化中医证候辨识方法的局限性与未来发展方向。通过将中医证候辨识中的抽象概念转化为雷达可感知的客观生理参数，本研究为该领域的进一步科研与临床实践提供了可实施的解决方案与概念框架。

综述与观点

毫米波雷达与中医辨证理论映射关系

中医睡眠模式分类的理论基础

传统中医（TCM）将失眠归类为Bu Mei主要分为五种证型：肝火扰心证、痰热扰心证、心脾两虚证、心肾不交证和心胆气虚证9。该 林树 · Kouwen 《灵枢》曰：“阳气尽则阴气盛，目瞑而寐；阴气尽则阳气盛，神清而寤。” 正常睡眠依赖于阳气入阴的动态平衡。当此平衡失调，或因阳气亢盛而不得入阴，或因阴气不足而不能敛阳，即可导致睡眠障碍。从营卫之气理论来看，卫气具有昼夜节律性：“昼日行于阳二十五周，夜行于阴二十五周”10卫气昼夜循行的有序交替构成了睡眠-觉醒节律的生理基础。营卫之气运行失常可导致睡眠障碍。因此，阴阳失调是失眠的核心病机。

雷达信号的理论框架与中医证候辨识

情绪、身体运动频率与心率变异性（HRV）

情绪与自主神经系统之间的密切关系是生理心理学中的基本共识。“情志躁动”在病理生理学上表现为交感神经兴奋，导致不自主肢体运动增加以及心率变异性（HRV）降低11；因此，基于雷达的体动检测与HRV分析可间接量化该状态。从中医辨证角度，张等12发现，肝郁痰阻证及肝郁气滞证患者的心率变异性时域与频域指标均显著低于正常对照组（P < 0.01）。

呼吸、呼吸频率与呼吸变异性

现代心理生理学已广泛证实呼吸模式与情绪之间存在双向关系。例如，Jerath 等人13指出，呼吸波形频谱与情绪状态相关，且呼吸在双向层面既反映又调节情绪。从中医理论的角度，Tian 等人14将中医情志理论与毫米波雷达呼吸信号检测技术相结合，系统论证了将呼吸作为情绪数字化采集指标的合理性和可行性。

心神、气、血与睡眠医学

失眠的“过度觉醒”假说是当代睡眠医学中解释失眠病理机制的核心理论。Wang 等人15发现，失眠发生与持续的主要机制是过度觉醒，表现为三个层面：皮层觉醒、自主神经觉醒和躯体觉醒。这为“心神不宁→睡眠潜伏期延长和频繁微觉醒”的映射关系提供了依据，其中后者通过心率和身体运动信号推断得出16。具体而言，皮层觉醒可通过脑电图进行量化，而躯体觉醒则表现为身体运动频率的增加17，这些为上述映射提供了基础。Kuo 等人18发现，非快速眼动（NREM）睡眠期间脑电图β波功率与低频/高频（LF/HF）比值呈显著正相关（r = 0.40 ± 0.06），后者反映交感神经-副交感神经平衡，且这种耦合关系甚至比快速眼动（REM）睡眠期间更为紧密。这表明微觉醒伴随着心率波动以及自主神经状态的短暂变化。

关于“气血”维度与心率及心率变异性（HRV）之间的关联，Zhang 等人19指出，心率变异性是评估自主神经功能的重要客观指标，能够反映失眠患者的睡眠状态。这为通过雷达监测的心率水平和HRV参数，以“司外揣内”的方法推断气血盛衰状态提供了依据20。

雷达信号与中医证候辨识之间的逻辑映射

基于该框架，可建立以下映射逻辑（表1）。该映射逻辑的核心在于，通过毫米波雷达，可将中医证候辨证维度内的功能状态，可操作性地转化为现代生理水平上的参数。

此外，基于表1中建立的宏观对应关系，并聚焦于失眠的五种主要证型，可将每种证型的核心病机进一步结合现代病理生理学解释，从而归纳出可通过雷达图呈现的一组鉴别特征（表2）。

然而，表2中呈现的内容仍属于模式类型层面的定性特征描述，尚未转化为可由雷达信号处理流程直接输出的具体数值指标。为了实现从原始雷达数据中自动区分模式，这些特征必须被转换为具有明确定义的计算方法、时间窗口和TCM关联的可计算变量。下一小节将围绕这一目标，逐一定义并提取关键特征。

在详细说明特征提取流程之前，必须明确本框架中所讨论参数的层次结构。我们将信号分为两个层级：第1级包含初级信号，这些信号可通过既定的物理原理直接且稳健地从原始毫米波雷达数据中提取（例如相位和距离测量），包括呼吸频率与节律、心率以及身体运动事件。第2级包含次级衍生参数，这些参数无法直接测量，而是通过算法模型从第1级信号中估算得出，包括睡眠阶段（N1、N2、N3、REM）、微觉醒指数以及呼吸暂停-低通气指数（AHI）。这些参数的估算需要复杂的信号处理与机器学习模型，并且其准确性必须通过与金标准多导睡眠图（PSG）数据的严格比对加以验证。

利用毫米波雷达进行多维睡眠特征提取及其与中医证候辨识的相关性研究

睡眠结构特征

以下睡眠结构特征（F1–F4，F13）是基于雷达的心肺和运动信号作为输入，通过睡眠分期模型获得的衍生参数。近期基于雷达的睡眠分期研究报道，与多导睡眠图（PSG）相比，在四分类（清醒、快速眼动睡眠、浅睡眠、深睡眠）分期中，Cohen’s kappa 值范围约为 0.5 至 0.721,22。然而，其准确性取决于模型性能、人群特征及雷达配置，仍需在特定于中医（TCM）的人群中进行PSG验证。

入睡潜伏期（F1）定义为从熄灯到首次出现三个连续非快速眼动睡眠（NREM）周期的时间间隔，是衡量“阳入于阴”效率的核心指标。 素问 · 真实世界研究 状态，“所有躁狂和躁动状态均归因于火”，以及 Jingyue Quanshu 指出：“当真阴、精血不足，阴阳不相交济时，神无法在其居所安然休憩。” 肾阴不足而心火独亢者亦辗转反侧，难以入眠，因阴不制阳所致。现代睡眠医学将睡眠潜伏期定义为 >入睡困难持续30分钟23，这与肝火扰心证和心肾不交证的核心主诉高度一致24.

睡眠效率（F2）是指总睡眠时间与卧床总时间的比值。各类失眠均可观察到睡眠效率降低，但其机制不同：肝火扰心证型和心火上炎证型表现为入睡困难，导致卧床时间延长而有效睡眠不足25；痰热扰心证型则因睡眠片段化而难以维持睡眠26；心脾两虚证型和心胆气虚证型因多梦易醒，使觉醒时间累积增加27。Reed28指出，睡眠效率低于85%是失眠的核心诊断特征之一。尽管该指标并非某一特定证型所特有，但它是评估整体睡眠质量的基本参数。

深度睡眠比例（F3）估算为N3期持续时间占总睡眠时间（TST）的百分比。在中医理论中，N3期睡眠被认为是“阳气深藏”的时期。 灵鼠 · 应为生辉 指出：“营气衰少，卫气内扰，昼不精，夜不瞑。”心脾两虚证患者气血不足，心神失于濡养，难以深眠；心肾不交证则因阴不制阳，虚火内扰，导致 N3 期睡眠频繁中断。Baglioni 等人29 研究表明，原发性失眠患者存在睡眠连续性中断，慢波睡眠（SWS）和快速眼动睡眠（REM睡眠）显著减少30.

REM 时相比例（F4）反映了快速眼动睡眠的完整性。 Lei Jing 说：“ hun 与梦幻和恍惚状态相关，”表明快速眼动睡眠与肝脏藏魂的功能密切相关 hun31. 胆气虚证因胆气怯弱、决断力丧失，导致心神失主，且因易惊而可能出现快速眼动睡眠减少。Baglioni 等29 还证实失眠患者的眼动睡眠（REM睡眠）显著减少。由于REM睡眠比例与心胆气虚之间的关联仍需更多临床证据支持，因此标记为“可能降低（↓）。尽管 表 2 还列出了心肾不交可能出现的REM减少，这应被理解为阴虚火旺及睡眠片段化的继发性后果，而非该证型的主要鉴别特征。

睡眠-觉醒转换次数（F13）是指从任何睡眠阶段返回觉醒阶段（W）的总频率，是反映睡眠连续性的直接指标。Jingyue Quanshu 将心脾两虚证描述为“睡眠不实，多梦易醒”32，将心胆气虚证描述为“易惊易恐，虚烦不眠”33。《国际睡眠障碍分类》第三版（ICSD-3）23 将整夜觉醒次数作为睡眠维持障碍的客观依据。频繁转换至W期在数字上对应于“多梦易醒”和“易惊易醒”等表现34，将中医望诊中心神不宁的定性判断转化为可量化的时序事件。

自主神经功能的特征

通过心率和心率变异性定量分析得到的自主神经功能特征，反映了“心主血脉”和“心藏神”的功能状态，是中医脉诊中“脉象”信息在夜间无意识状态下的连续延伸35。

夜间平均心率（F5）是指整夜的平均心率。 素问 · 乌脏生成功片 指出：“脉为血之府，心主血脉。”心率作为心气推动血液运行的基本节律，直接反映了气血的充盈与亏虚，以及是否存在热象。施氏等36 注意到肝郁化火兼痰热扰心证患者，交感神经-肾上腺髓质系统功能亢进；阴虚火旺证患者交感神经兴奋性增强；心脾两虚证患者则普遍表现为功能抑制。临床研究表明，失眠伴肝郁化火证患者常表现为交感神经功能亢进37据此我们推测，肝火扰心证的夜间平均心率可能升高，对应中医“弦数脉”的表现。 similarly，在心脾两虚证中，气虚血亏可能导致心脏推动功能减弱，推断夜间心率相对较低；然而，目前尚缺乏基于雷达的直接证据，此关联性仍需临床验证。

心率变异性SDNN（F6）是正常窦性R-R间期的标准差，反映自主神经系统的整体调节能力。多个研究团队已证实，在实验室环境中，基于雷达提取R-R间期并进行后续心率变异性分析，其结果与心电图衍生的心率变异性具有高度一致性38,39，支持了使用雷达进行连续夜间自主神经功能评估的可行性。既往研究报道，失眠患者的心率变异性降低，尤其是在肝郁相关证型的患者中更为明显。将这些发现外推至基于雷达的监测，我们推测“肝火扰心”证可能与SDNN和RMSSD降低相关。然而，这仍属理论推断，雷达衍生的心率变异性参数是否能在中医辨证分型人群中重现这些结果，尚需验证。SDNN值降低提示自主神经系统的灵活性和适应能力下降，这与中医“阴阳失调”的整体病机相吻合。Chen等37根据中医证型对失眠患者进行分组并进行心率变异性分析，发现不同证型之间的心率变异性存在显著差异。Lin等40指出，失眠患者的心率变异性异常主要表现为副交感神经功能减退和交感神经功能亢进。

心率变异性中的RMSSD（F7）是指相邻R-R间期差值的均方根，主要反映副交感神经（迷走神经）活性。Lingshu · Lun Yong中提到：“胆怯之人……胆气不足且松弛。”在心胆气虚证中，胆气不足导致对应激反应的阈值降低。迷走神经是调节惊吓反应的核心通路，其活性下降意味着对外界刺激的缓冲能力减弱。Dodds等41在一项系统综述中指出，失眠患者存在心率变异性损害，表现为RMSSD和pNN50显著降低。因此，在心胆气虚证中可观察到RMSSD的下降，即使轻微干扰也可能引发觉醒。

夜间心率变异趋势（F14）以入睡后第一小时的平均心率作为基线，逐小时计算平均心率的变化，并拟合线性斜率。在健康睡眠中，随着阳气入阴，心率呈现自然下降趋势（勺型模式）。 Leizheng Zhicai “心主火，肾主水；唯火能制水，唯水能制火。”在心肾不交的情况下，肾水亏虚不能上济以滋心火，虚火内浮而不得潜藏，导致夜间心率持续升高。Nano 等42 记录到失眠患者存在异常的夜间自主神经调节，典型表现为失眠患者自主神经功能紊乱时交感神经活动增强和迷走神经活动减弱。这一特征将中医“阴虚火旺”的病机转化为夜间心率动态变化趋势的客观描述。

呼吸特征

呼吸特征通过频率、节律和异常事件三个维度，为中医听诊中的“气息”评估提供了数字化工具，且与痰热扰心证的病理机制密切相关。

平均呼吸频率（F8）是指整夜呼吸频率的算术平均值。Jerath 等人13 指出呼吸节律与自主神经调节之间存在双向通路，且呼吸波形的频谱特征与焦虑、愤怒、压力等多种情绪状态密切相关。中医认为“肺主气，司呼吸”，呼吸急促多属于热证或实证。 麦静 “热导致呼吸急促。”当痰热内蕴时，肺气失于宣发，需通过加快呼吸频率来代偿气机阻滞，因此平均呼吸频率可能升高。

呼吸频率变异系数（F9）是呼吸频率标准差与其均值的比值，反映呼吸节律的稳定性。当痰湿阻肺、气道受阻时，呼吸中枢对血气变化的反应变得不稳定，表现为呼吸快慢交替、节律紊乱，呼吸频率变异系数增大。 素问 · Bi Lun “心痹者，脉不通，心下躁动而悸，气骤上冲而喘。” 肝火扰心证患者亦可因胸胁胀满而出现呼吸短促、节律不齐，因此亦可见呼吸变异系数增高。

呼吸暂停低通气指数（F15）是指每小时发生的呼吸暂停和低通气事件的总次数。 素问 · 尼调伦 “不能平卧且呼吸有声者，由阳明气逆所致”，此描述与现代医学中的睡眠呼吸暂停概念高度吻合。对于体内痰湿内生者，痰浊阻塞气道，在夜间肌肉松弛时更易发生气流受限；因此，F15 与痰热扰心证密切相关。作为衍生参数，基于雷达技术的呼吸暂停低通气指数（AHI）应采用经过验证的检测算法进行计算，并在临床应用前，以其与多导睡眠图（PSG）测得的 AHI 之间的性能对比作为基准进行评估。一项采用 PSG 的临床研究报道，被辨证为痰热证的阻塞性睡眠呼吸暂停低通气综合征（OSAHS）患者，其 AHI 及氧减指数显著高于其他中医证型。这为痰热扰心证与 AHI 升高之间的关联提供了间接支持。然而，基于雷达估算的 AHI 是否能够重现这一关联，尚未经研究验证，需通过前瞻性研究加以确认。43.

身体运动与行为特征

身体运动及行为特征将中医“望形”中对肢体躁动不安、影响睡眠的翻来覆去等定性观察转化为可自动检测的定量事件。全身运动总次数（F10）和身体运动指数（F11）分别表示整夜期间身体运动事件的总次数和每小时发生频率。 麦瑶静魏伦 状态，“这五个 zang 器官是身体强健的基础。”肢体躁动不安反映了内在脏腑之间的不协调 脏腑 器官。对于肝火扰心证型者，“易怒和烦躁”可在睡眠期间表现为高频低幅的肢体抽动和翻身动作44；在痰热扰心证中，“卧起不安”伴有频繁的大范围体位改变，而《内经》中“胃不和则卧不安”的经典论述，正是对此证候相关躯体活动增多的准确描述。美国睡眠医学学会（AASM）已发布临床实践指南45 明确将活动记录仪定位为客观评估睡眠障碍的有效工具。身体运动指数 >每小时5次事件表明睡眠期间存在明显不安，可作为“睡眠不安”的客观阈值。

微觉醒指数（F12）定义为每小时持续时间为3–15秒的短暂觉醒事件次数。微觉醒是皮层觉醒的电生理标志；尽管程度轻微，但足以破坏睡眠连续性。皮层觉醒、自主神经觉醒和躯体觉醒共同构成了失眠的生理基础17失眠患者中微觉醒增加的现象已有报道15,46基于中医胆怯易惊的病机理论，我们推测心胆气虚证患者的微觉醒频率可能尤为升高，但目前尚缺乏针对该证型的直接证据，仍有待验证。 沈氏尊生书 指出：“心胆虚者，善惊易恐。”此类患者即使面对轻微的外界刺激也易出现惊吓反应，表现为微觉醒事件密度极高，睡眠极浅且极为脆弱。这一特征将“胆怯易惊”的主观描述转化为可量化的神经生理学事件47,48然而，需要注意的是，微觉醒指数是一个衍生参数，必须通过特定的检测算法从雷达信号中估算得出，并且需要与基于多导睡眠图（PSG）的觉醒评分进行比对验证。

基于毫米波雷达的中医睡眠关键特征计算方法

基于毫米波雷达的多维睡眠特征设计遵循“病因→病理生理映射→客观指标”的演绎逻辑。每个特征均依据生理学原理定义，并可具体化以满足中医证候辨识的需求。下文将这些特征按功能类别分为四组——睡眠结构特征、自主神经功能特征、呼吸特征以及躯体运动与行为特征，并详细阐述其计算方法及其与中医证候辨识的关联（Table 3）。

所列特征包括 表3 使用整晚作为一个统计周期进行计算。对于每位受试者连续采集的多晚数据，除了计算单晚特征外，还需计算多晚均值及夜间变异系数，以捕捉该模式在时间维度上的稳定表现与波动特性。此外，部分特征可进一步衍生为二级指标。例如，LF/HF 比值可由 F6 与 F7 推导得出（需频域分析支持），深睡眠与 REM 睡眠的比值可由 F3 与 F4 推导得出，这些均能为后续的模式分类模型提供更丰富的特征空间。基于雷达的中医证候辨识整体框架总结如下 图 1. 这种分组方式的优势体现在两个方面：按功能类别对特征进行组织，可使特征提取流程自然对应于信号处理模块；同时，每个特征均明确标注了其与中医证型关联的方向（升高或降低），从而为后续机器学习模型中的输入变量选择及特征重要性分析提供了可解释的理论框架。

结论

毫米波雷达能够以非接触、最小侵入性的方式，将中医诊断的三个经典概念——望形体、察呼吸、辨动静——转化为连续的定量生理参数。基于这一能力，本文提出了一条有待进一步临床验证的理论诊断路径：从雷达提取的特征，到病理生理映射，最终实现证型分类。本文提出了一个理论框架，阐述雷达捕捉的生命体征如何多维度反映五种主要失眠证型的核心病机特征。然而，所提出的特征与证型之间的关联并非经过验证的诊断阈值，而是基于中医病机理论与现代睡眠生理学的推论，需在特定的中医人群队列中进行前瞻性验证后方可应用于临床。尽管如此，雷达监测的实际应用仍存在局限性，包括对环境运动、体位变化和信号丢失的敏感性。这些因素可能降低其在真实场景中的可靠性，凸显了精细的信号处理与质量控制的必要性。

基于毫米波雷达的睡眠监测在与中医证候辨识关联时所体现的客观性，表现在以下三个关键方面。第一，无创、非接触式的数据采集方式可消除主观偏差，并避免监测过程对受试者造成干扰。第二，对于原始信号（呼吸、心率和体动），其特征计算基于雷达测距与相位分辨的物理原理，确保了标准化与可重复性；对于衍生参数（睡眠分期、微觉醒指数、呼吸暂停低通气指数AHI及相关睡眠结构指标），在临床解读前需采用标准化算法，并经过多导睡眠图（PSG）的严格验证。第三，由15个参数构成的多维特征空间可通过机器学习实现概率性证型分类，从而避免单一指标固有的主观随意性。因此，雷达技术可作为睡眠过程中中医四诊方法的辅助延伸手段，但不能作为独立的诊断工具。

未来的研究应包括在中医特定的失眠人群中进行多中心临床验证，结合舌诊和脉诊的多模态整合，可解释的机器学习，以及长期的家庭监测。尽管雷达可直接捕捉呼吸、心率和身体运动，但由此推导出的睡眠指标仍是需要通过算法建模并经多导睡眠图（PSG）验证后，才能作为中医证候辨识依据的估计参数。

figure-results-1
图 1：基于毫米波雷达的中医失眠证型辨识框架概览。该示意图展示了一个三阶段工作流程：顶层为非接触式雷达采集呼吸、心跳和体动信号，采用60 GHz的调频连续波（FMCW）雷达技术；中层为从四个领域（睡眠结构、自主神经功能、呼吸模式、体动）中提取15项特征，其中F4：REM = 快速眼动，F5：HR = 心率，F6：SDNN = 正常R-R间期标准差，F7：RMSSD = 相邻R-R间期差值均方根，F8：RR = 呼吸频率，F9：RR-CV = 呼吸频率变异系数，F15：AHI = 呼吸暂停低通气指数；底层为基于“病因-生理-雷达信号”逻辑，将这些特征映射至五大中医失眠证型（表 2 和 表 3）。请点击此处查看该图的高清版本。

中医证候辨识维度雷达可测参数映射逻辑
情志（躁动 / 安静）身体运动频率、翻身次数、心率变异性（HRV）躁动不安 → 高频身体运动、低心率变异性
呼吸（粗 / 细 / 快 / 稳）呼吸频率、呼吸深度变异性粗重且快速呼吸 → 高呼吸频率、高变异性
心神（安宁 / 扰动）睡眠潜伏期、微觉醒次数心神不宁 → 睡眠潜伏期延长、频繁微觉醒
气血（充盈 / 亏虚）心率水平、心率变异性（HRV）气虚可能表现为HRV改变；具体方向需临床验证

表1：中医证候辨识维度与毫米波雷达之间的映射逻辑。 该表格定义了四种中医维度（情绪、呼吸、心神、气血）如何转化为雷达可测量参数及定量映射逻辑，为非接触式客观睡眠评估提供了理论基础。HRV = 心率变异性。

中医证型核心发病机制现代病理生理学定位毫米波信号中的差异特征
肝火扰心肝郁化火；热扰心神交感神经兴奋（1）睡眠潜伏期延长（W 期持续时间增加）；
(2) 夜间平均心率升高；
(3) 心率变异性（HRV）降低，自主调节功能受损；
（4）高频低幅身体运动事件增加；W期阶段频繁的身体运动；
痰热扰心痰湿内阻，郁而化热，扰动心神睡眠片段化（1）微觉醒指数升高，N1期比例增加，显著的睡眠片段化；
（2）呼吸模式不规则，呼吸频率变异系数增加；
(3) 频繁的大范围身体运动、姿势改变增加；
心脾两虚过度思虑，气血生化不足，心神失养气与血不足(1) 夜间平均心率偏低；
（2）浅睡眠（N1/N2期）比例增加，深睡眠减少；
(3) NREM-REM 及睡眠-觉醒阶段转换次数增加，反映梦境干扰和易中断的睡眠；
心-肾非相互作用肾阴虚，心火独亢，心肾不交阴虚火旺（1）睡眠潜伏期延长（W期持续时间增加）；
（2）夜间心率持续处于高水平，波动明显，呈现非杓型模式；
（3）N3深睡眠比例显著减少；REM睡眠比例可能继发性减少或呈波动性；
心胆气虚心胆气虚，决断力丧失，神无所主胆怯与易受惊吓(1) 对外界环境干扰的敏感性增强，惊吓反应表现为突然的抽动，N1 期觉醒阈值降低；
（2）频繁的微觉醒事件，从N1和N2期向清醒状态的间歇性转换增加，睡眠极浅且不稳定；
(3) 睡眠起始后长时间清醒（WASO），觉醒后难以重新入睡；
（4）REM 时相比例可能降低；

表2：基于毫米波雷达的五种中医失眠证型的鉴别特征集。 本表将五种失眠证型分别与其核心中医病机、现代病理生理学解释以及特定的雷达衍生鉴别特征（入睡潜伏期、心率/心率变异性、呼吸模式、体动、微觉醒及睡眠结构）相对应，为客观的证型分类提供了特征层面的基础。其中，入睡潜伏期、睡眠分期占比、微觉醒指数、睡眠碎片化程度和入睡后觉醒时间（WASO）等特征为需通过经验证算法并以多导睡眠图（PSG）为基准进行校准的衍生或估算参数；而心率、心率变异性（HRV）、呼吸频率/呼吸模式以及体动指数等特征则为直接从雷达信号中获取的初级或简单统计特征。缩写（依据美国睡眠医学学会睡眠分期标准）定义如下：W = 觉醒；N1 = 非快速眼动睡眠第1期；N2 = 非快速眼动睡眠第2期；N3 = 非快速眼动睡眠第3期；REM = 快速眼动睡眠；WASO = 入睡后觉醒时间。

特征编号特征名称信号类型计算方法中医证候关联
F1入睡潜伏期衍生从“熄灯”到首次连续三个NREM睡眠周期的时间间隔肝火扰心 ↑，心肾不交 ↑
F2睡眠效率衍生总睡眠时间 / 卧床总时间 × 100%所有证型中均可能降低
F3深睡眠比例衍生N3期持续时间 / 总睡眠时间 × 100%心脾两虚 ↓，心肾不交 ↓
F4REM睡眠比例衍生REM期持续时间 / 总睡眠时间 × 100%心胆气虚可能 ↓（主要）；
 心肾不交也可能 ↓（次要/非特异性）
F5夜间平均心率原始整夜平均心率（bpm）肝火扰心 ↑，心脾两虚 ↓
F6心率变异性SDNN原始正常窦性R-R间期标准差（ms）肝火扰心 ↓，心脾两虚正常/可变（结论不明确）
F7心率变异性RMSSD原始连续R-R间期差值的均方根（ms）反映副交感神经活性；心胆气虚 ↓
F8平均呼吸频率原始整夜平均呼吸频率（次/分钟）痰热扰心可能 ↑
F9呼吸频率变异系数原始呼吸频率标准差 / 均值痰热扰心 ↑，肝火扰心 ↑
F10全身运动总次数原始整夜肢体运动事件的总次数肝火扰心 ↑，痰热扰心 ↑
F11体动指数原始每小时体动事件次数>5次/小时提示睡眠不安
F12微觉醒指数衍生每小时微觉醒事件次数（持续3–15秒的短暂觉醒）所有证型中均可能升高；在心胆气虚证中尤为显著
F13睡眠-觉醒转换次数衍生从任一睡眠阶段返回至清醒状态的转换次数心脾两虚 ↑，心胆气虚 ↑
F14夜间心率变化趋势原始从入睡到觉醒期间的心率斜率心肾不交（夜间心率未能下降）
F15呼吸暂停-低通气指数（AHI）衍生每小时呼吸暂停与低通气事件总数痰热扰心可能 ↑

表3：基于毫米波雷达的多维睡眠特征提取及其与中医证候辨证的关联。 该表格将特征分为原始信号（直接从雷达提取）和衍生/估计参数（通过算法模型计算得出）。箭头（↑/↓）表示在相应中医证型中各特征预期的变化方向。“原始”表示可直接从雷达信号中提取或通过简单统计计算获得的参数；“衍生”表示需要通过算法建模（如睡眠分期、事件检测）获得的参数，且必须与多导睡眠图（PSG）进行比对验证。NREM = 非快速眼动睡眠；R-R = R波至R波间期（心电图上连续R波峰值之间的时间，代表心动周期长度）。对于心脾两虚证，目前文献尚未建立一致的心率变异性（HRV）模式；SDNN可能保持在正常范围内或仅表现出轻微变异。此标注表示存在不确定性。

披露

作者无任何利益冲突需披露。

致谢

本工作得到国家自然科学基金（面上项目，项目编号：82374576）、上海市科学技术委员会地方高校能力建设计划（项目编号：23010504900）以及与上海荣泰健康科技有限公司合作项目“基于毫米波雷达的生命体征采集设备设计及睡眠质量评估模型构建”（项目编号：E4‑H2411399）的资助。

参考文献

  1. Chen B, et al. Thoughts on traditional Chinese medicine syndrome differentiation and treatment of sleep disorders based on the “one principle, four aspects” theory. Space Med Med Eng. 2025;36:337–42.
  2. Mohammadjany A, Miar-Naimi H. High-gain Vivaldi-enhanced FMCW radar for robust through-wall human and object detection. Sens Imaging. 2025;26:148.
  3. Qu K, Wei L, Zhang R. Noncontact cardiac activity detection based on single-channel ISM band FMCW radar. Biosensors (Basel). 2023;13(11):982.
  4. Cui R, Cui W, Cai Y, Yan Y. Non-contact reconstruction of ECG signals using FMCW radar and SS-S2SA network. IEICE Trans Commun. 2025;E108-B:208–19.
  5. Toda D, et al. ECG signal reconstruction using FMCW radar and a convolutional neural network for contactless vital-sign sensing. IEICE Trans Commun. 2023;E106-B:65–73.
  6. Yue S, et al. BodyCompass. Proc ACM Interact Mob Wearable Ubiquitous Technol. 2020;4(2):1–25.
  7. Sun L, Wang W, Wang Y, Guo W, Chen Z, Zeng J, Zhang J, Li G, Lei W, Yue H. Validation of a low-load monitoring system based on millimeter-wave radar and pulse oximetry vs. polysomnography for obstructive sleep apnea diagnosis[J]. Sleep Health, 2025; 11(6): 868–876.
  8. Hao Z, et al. mmWave-RM: a respiration monitoring and pattern classification system based on mmWave radar. Sensors (Basel). 2024;24(13):4315.
  9. Li GD, Hu XY, Yuan Y, Meng XJ, Huang YT, Cao HJ. Is traditional Chinese medicine syndrome differentiation important in primary insomnia? An exploratory review with matching recombination indirect comparisons and network meta-analysis[J]. European Journal of Integrative Medicine, 2025.
  10. Li ZH, et al. Traditional Chinese medicine syndrome study of 1,006 patients with early-morning awakening insomnia based on factor analysis and cluster analysis. Chin J Inf Tradit Chin Med. 2026.
  11. Kreibig SD. Autonomic nervous system activity in emotion: a review. Biol Psychol. 2010;84(3):394–421.
  12. Zhang Q, et al. Characteristics of heart rate variability in patients with anxiety and depression of different traditional Chinese medicine syndrome types. J Med Res. 2008;37:77–80.
  13. Jerath R, Beveridge C. Respiratory rhythm, autonomic modulation, and the spectrum of emotions: the future of emotion recognition and modulation. Front Psychol. 2020;11:1980.
  14. Tian Y, et al. Scientific analysis of traditional Chinese medicine emotional data based on millimeter-wave radar. Chin Arch Tradit Chin Med. 2025;43.
  15. Wang R, Tang JY. Research progress on the relationship between insomnia and microarousal. Acta Acad Med Sin. 2021;43(6):945–9.
  16. Zhang C, Xiao LL, Liu DQ, Wang Y. Research progress in traditional Chinese medicine treatment of short-term insomnia from the perspective of heart and spleen. J Hebei North Univ Nat Sci Ed. 2026;42(1):62–4.
  17. Bonnet MH, Arand DL. Hyperarousal and insomnia: state of the science. Sleep Med Rev. 2010;14(1):9–15.
  18. Kuo TBJ, Chen CY, Hsu YC, Yang CCH. EEG beta power and heart rate variability describe the association between cortical and autonomic arousals across sleep. Auton Neurosci. 2016;194:32–7.
  19. Zhang XN, et al. Research progress on insomnia and heart rate variability. J Psychiatry. 2025;38(2):205–8.
  20. Bao F, et al. Effect of Chaihu Longgu Muli Decoction combined with wrist-ankle acupuncture on traditional Chinese medicine syndrome scores, sleep quality, and negative emotions in patients with insomnia of liver depression transforming into fire type. Prog Mod Biomed. 2026;26(5):714–9.
  21. Park J, Yang S, Chung G, et al. Ultra-Wideband Radar-Based Sleep Stage Classification in Smartphone Using an End-to-End Deep Learning[J]. IEEE Access, 2024.
  22. Kwon HB, Choi SH, Lee D, et al. Attention-Based LSTM for Non-Contact Sleep Stage Classification Using IR-UWB Radar[J]. IEEE Journal of Biomedical and Health Informatics, 2021, 25(10): 3844-3853.
  23. Sateia MJ. International classification of sleep disorders, third edition: highlights and modifications. Chest. 2014;146(5):1387–94.
  24. National Key R&D Program Project Group on “New TCM Diagnosis and Treatment Scheme and Mechanism Research for Chronic Insomnia”, et al. Expert consensus on traditional Chinese medicine diagnosis and treatment of adult chronic insomnia. China J Tradit Chin Med Pharm. 2026;41(3):524–8.
  25. Ding HR, et al. Correlation between anxiety, depression, and traditional Chinese medicine constitution in young and middle-aged patients with insomnia. China Med Her. 2026;23(1):45–50.
  26. Wang TS, Xue PL. Discussion on traditional Chinese medicine syndrome differentiation and treatment of insomnia based on endogenous “five pathogenic factors”. Jiangsu J Tradit Chin Med. 2026;58(1):27–30.
  27. Li PH, Ding J, Han Y. Diagnosis, treatment, and management of insomnia from the perspective of traditional Chinese medicine. Shanghai Med J. 2025;48(12):799–802.
  28. Reed DL, Sacco WP. Measuring sleep efficiency: what should the denominator be? J Clin Sleep Med. 2016;12(2):263–6.
  29. Baglioni C, et al. Sleep changes in the disorder of insomnia: a meta-analysis of polysomnographic studies. Sleep Med Rev. 2014;18(3):195–213.
  30. Deng JH, et al. Research progress on traditional Chinese medicine therapies and mechanisms of action for insomnia. J Liaoning Univ Tradit Chin Med. 2025.
  31. Peng B, Xu SJ, Gao Y. Research progress on treatment of insomnia based on traditional Chinese medicine time rhythm. Guid J Tradit Chin Med Pharm. 2025;31(10):114–9.
  32. Liu HX. Effect of comprehensive auricular acupoint therapy combined with traditional Chinese medicine emotional nursing on insomnia in hypertensive patients with liver yang hyperactivity. Chin J Health Care. 2025;43(2):134–7.
  33. Wang S, Yang YC, Ju BZ. Discussion on traditional Chinese medicine pathogenesis and treatment of insomnia based on “yang not entering yin”. J Chronic Dis Integr Tradit Chin West Med. 2025;2(4):44–8.
  34. Liu CH, Yao D, Wang JM, Li TB. Discussion on the relationship of yin-yang and qi-blood between melasma and insomnia and the idea of treating different diseases with the same method based on traditional Chinese medicine theory. World J Sleep Med. 2025;12(6):1669–73.
  35. Yuan Y, et al. Discussion on the “three spirits simultaneous regulation” method for treating heart-spleen deficiency insomnia based on the “body-qi-spirit” theory. J Liaoning Univ Tradit Chin Med. 2026.
  36. Shi HX, Fu WN. The importance of correct syndrome differentiation viewed from the relationship between insomnia syndrome differentiation and autonomic nervous function [conference presentation]. Presented at: 11th Academic Annual Conference of the Psychiatric Disease Committee of the Chinese Association of Integrative Medicine; 2012.
  37. Chen TG, Li HY, Guo CJ, Sun SC. Analysis of heart rate variability differences in insomnia patients with different traditional Chinese medicine syndrome types. World J Sleep Med. 2017;4:202–205.
  38. Lee Y, Lee K, Ahmed S, Cho SH. Feasibility of early assessment for psychological distress: HRV-based evaluation using IR-UWB radar. Sensors (Basel). 2024;24(19):6210.
  39. Yu G, et al. Non-contact seismocardiogram measurement and HRV analysis using cardiac beamforming with FMCW radar. Front Physiol. 2025;16:1733573.
  40. Lin WT, et al. Research progress on heart rate variability and insomnia and its non-pharmacological treatment. Chin J Nerv Ment Dis. 2024;50(2):123–8.
  41. Dodds KL, et al. Heart rate variability in insomnia patients: a critical review of the literature. Sleep Med Rev. 2017;33:88–100.
  42. Nano MM, Fonseca P, Vullings R, Aarts RM. Measures of cardiovascular autonomic activity in insomnia disorder: a systematic review. PLoS One. 2017;12(10):e0186716.
  43. Zhang Y, et al. Clinical characteristics of 180 patients with obstructive sleep apnea hypopnea syndrome. Chin J Integr Med Cardio-Cerebrovasc Dis. 2015;13(5):575–7.
  44. Li ZH, et al. Discussion on Polygala tenuifolia in treating insomnia of kidney failing to store will based on “calming kidney will”. Acta Chin Med Pharmacol. 2026;54(3):39–42.
  45. Smith MT, et al. Use of actigraphy for the evaluation of sleep disorders and circadian rhythm sleep-wake disorders: an American Academy of Sleep Medicine clinical practice guideline. J Clin Sleep Med. 2018;14(7):1231–7.
  46. Ghermezian A, Nami M, Shalbaf R, Khosrowabadi R, Nasehi M, Kamali AM. Sleep micro-macro-structures in psychophysiological insomnia: PSG study[J]. Sleep and Vigilance, 2023:1–9.
  47. Deng DQ, et al. Discussion on construction of the “sleep medicine” specialty system based on experience of treating insomnia from “triple energizer qi transformation”. China Med Her. 2026;23(10):121–7.
  48. Song YW, Zhong GH. Experience of treating insomnia based on “three differentiations in one”. China Mod Dr. 2026;64(1):81–3.

重印与许可

标签

失眠证候辨识睡眠结构心率变异性自主神经功能非接触式监测呼吸模式躯体运动行为多导睡眠图验证
联系我们
向图书馆推荐

隐私政策

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。