臨床現場におけるリスク層別化では、身体形状や周囲長が重要なバイオマーカーとなる。例えば、腰臀比や四肢・体幹の周囲長などが挙げられる。しかし、手動のメジャーや光学スキャナーといった従来の計測ツールは、脱衣や一定の姿勢の保持を必要とすることが多く、ワークフローの遅延や尊厳の侵害を招くだけでなく、高齢者や移動能力が限られた人々を排除してしまう。こうした課題を解決するため、新たな研究ではミリ波レーダーを活用した迅速かつ非接触の身体計測手法が提案されている。ミリ波レーダーはプライバシーを保護しつつ、一般的な衣類を透過して動作するため、全身の迅速なデータ取得が可能となる。
この研究は、Miriam Senne氏ら5名の著者によって2026年5月21日にarXivに投稿された。論文タイトルは「Millimeter-wave Imaging for Anthropometric Body Measurement」で、arXiv識別子はarXiv:2605.23064v1、コンピュータビジョンとパターン認識（cs.CV）および機械学習（cs.LG）に分類されている。
研究の核心は、ボリュームミリ波データから3次元人体形状を復元し、包括的な人体計測値を抽出する最適化ベースのフレームワークである。この手法では、パラメトリック人体モデル（SMPL）をノイズの多いミリ波点群に直接フィットさせる加重レジストレーションパイプラインを導入している。主要な貢献は、チャンファーエネルギー関数を調整する頂点重み付け戦略であり、これにより信頼性の高い表面アライメントとノイズ除去を実現する。さらに、足-地面平面制約と姿勢事前分布を組み込むことでフィットを安定化させ、SMPLパラメータを直接最適化している。
これらの要素を組み合わせることで、カメラや脱衣を必要とせず、最小限の協力で衣類越しに高忠実度の身体形状と計測値を提供する、迅速かつプライバシー保護型のワークフローが実現する。この技術は、あらゆる年齢と移動能力の患者に対するクリニックや介護施設での頻繁なリスク指向評価を支援する可能性がある。光学スキャンや手動計測に依存する従来法と比較して、ミリ波レーダーベースのアプローチは効率性、プライバシー、包括性の面で顕著な利点を持つ。