體形和身體圍度是臨牀風險分層的重要生物標誌物，例如腰臀比、四肢和軀幹周長等指標。然而，傳統的測量工具如捲尺和光學掃描儀通常要求患者脱衣並保持特定姿勢，這不僅降低了工作效率，還損害了患者的尊嚴，尤其對於老年人和行動不便者而言更是難以實施。為了克服這些限制，研究人員開發了一種基於毫米波雷達的新方法，能夠在保護隱私的前提下穿透典型衣物，實現快速全身數據採集。該方法無需患者脱衣或保持靜止姿勢，僅需極少的配合即可完成測量。
該研究提出了一種基於優化的框架，從體積毫米波數據中恢復3D人體形狀並提取全面的人體測量數據。其核心創新在於一種加權配準流程，能夠將參數化人體模型（SMPL）直接擬合到噪聲較大的毫米波點雲上。具體而言，通過頂點權重策略，對每個頂點的重要性進行加權，從而調節Chamfer能量函數，使得在消除噪聲的同時保持表面對齊的準確性。此外，研究還引入了足部-地面平面約束，確保模型的足部與地面接觸，並結合姿態先驗來穩定擬合過程。最終，通過直接優化SMPL參數，系統能夠快速生成高保真的身體形狀模型，並從中提取腰圍、臀圍、臂圍和腿圍等多種臨牀相關測量值。
該技術的潛在應用十分廣泛，特別是在臨牀和護理環境中。它支持對不同年齡和行動能力患者進行頻繁的風險導向評估，有助於改善慢性病管理、營養評估和康復監測。與傳統方法相比，毫米波雷達系統不僅提高了患者的舒適度和尊嚴，還顯著減少了測量時間，有望成為臨牀常規評估的有力工具。此外，由於毫米波雷達是非電離輻射，對人體安全無害，因此可以反覆使用。該論文於2026年5月21日提交至arXiv，作者包括Miriam Senne等五位研究人員，論文編號2605.23064，涉及計算機視覺與模式識別以及機器學習領域。這項研究為實現快速、私密且無接觸的人體測量提供了新的可能性，未來可能集成到臨牀工作流程中，改變我們對身體成分和風險因素的評估方式。