Python neurokit2 生理信号的区间相关分析（Interval-related Analysis）

---

前言

这个例子展示了如何使用 NeuroKit 来分析长时间的生理数据(大于10秒) ，比如静息状态。

import neurokit2 as nk
import pandas as pd
import matplotlib.pyplot as plt

数据集

数据来自1名参与者的静息状态数据（试图不去想任何事情，闭上眼睛），以100Hz 频率(5 x 60x100 = 30000个数据点)记录的5分钟生理信号，包含以下信号: 心电ECG，脉搏波PPG，呼吸RSP。

# 在线数据集
data = nk.data("bio_resting_5min_100hz")

数据预处理和可视化

我们重点分析心电ECG信号，可以使用 ecg _ process ()进行数据预处理。然后，使用 ecg _ plot ()可视化这些信号（示例中只选择3000个数据点(30s)进行可视化）。

# 心电信号ECG预处理
ecg_signals, info = nk.ecg_process(data["ECG"], sampling_rate=100)

nk.ecg_plot(ecg_signals[:3000], sampling_rate=100)

特征提取

心率变异性(HRV)是指逐次心跳周期差异（R-R）的变化情况。在这里，我们将使用peaks，即心跳峰值的出现，作为以下 HRV 函数中的输入参数来提取特征指标。

# 峰值R查找
peaks, info = nk.ecg_peaks(data["ECG"], sampling_rate=100)

时域特征

# 根据peaks值提取时域特征值
hrv_time = nk.hrv_time(peaks, sampling_rate=100, show=True)
hrv_time

频域特征

hrv_freq = nk.hrv_frequency(peaks, sampling_rate=100, show=True, normalize=False)
hrv_freq

非线性特征

hrv_nonlinear = nk.hrv_nonlinear(peaks, sampling_rate=100, show=True)
hrv_nonlinear