hr分析是一个基于SciPy、AstroPy、Nolds和NumPy构建的用于RR间隔心率变异性分析的Python模块，在GPLv3许可下发布。

该图书馆于2018年7月开始开发，作为Aura Healthcare公司项目，在OCTO技术研发团队，由Robin Champseix维护。

完整文档:https://aura-healthcare.github.io/hrv分析

网站:https://www.aura.healthcare网站

github:https://github.com/Aura-healthcare网站

版本: 1.0.4

安装hrv分析的最简单方法是使用pip（点阵）:

$pip安装hrv分析

您还可以克隆存储库：

$git克隆https://github.com/Aura-healthcare/hrv-analysis.git$python setup.py安装

hr分析需要以下内容：

• Python（>=3.5）
• 天体测量>=3.0.4
• 未来>=0.16.0
• nolds>=0.4.1
• 数值>=1.15.1
• scipy>=1.1.0

注意：该包可以与3.5到最新版本（当前为Python 3.9）的所有Python版本一起使用。

该软件包提供了从信号中删除异常值和异位搏动的方法，以供进一步分析。这些方法对于从RR-intervals中获取Normal to Normal Interval（NN-Interval）非常有用。请谨慎使用此方法，因为它们可能会对特征计算产生巨大影响。

从 hr分析 进口 删除外部（_O）,删除ectopic_beats,插值nan值

#rr_intervals_list包含rr-interval的整数值
rr_间隔_列表 =[1000,1050,1020,1080, ...,1100,1110,1060]#这将从信号中删除异常值
rr间隔无外部 = 删除外部（_O）(rr_间隔=rr_间隔_列表,低_ rri=300,高（_rri）=2000)#这将使用线性插值替换异常值nan值
插值的rr_intervals = 插值nan值(rr_间隔=rr_间隔_无输出,插值方法=“线性”)#这样可以消除信号中的异位搏动
nn_间隔_列表 = 删除ectopic_beats(rr_间隔=插值的rr_intervals,方法=“马利克”)#用线性插值替换异位搏动nan值
插值_nn间隔 = 插值nan值(rr_间隔=nn_间隔_列表)

您可以在中找到如何使用以下方法、参考和更多详细信息文档:

• 删除外部（_O）
• 删除ectopic_beats

从NN间隔中可以获得4种类型的功能：

时域特征：Mean_NNI、SDNN、SDSD、NN50、pNN50、NN20、pNN20、RMSSD、Median_NN、Range_NN、CVSD、CV_NNI，Mean_HR、Max_HR，Min_HR和STD_HR

几何域特征：三角_指数，TINN

频域特征：LF、HF、VLF、LH/HF比值、LFnu、HFnu、总功率

非线性域特征：CSI、CVI、Modified_CSI、SD1、SD2、SD1/SD2比率、SampEn

例如，您可以通过计算获得时域分析：

从 hr分析 进口 获取时间域功能

 #nn_intervals_list包含nn-interval的整数值
nn_间隔_列表 =[1000,1050,1020,1080, ...,1100,1110,1060]时间域功能 = 获取时间域功能(nn_间隔_列表)>>> 时间域功能{“mean_nni”:718.248,“sdnn”:43.113,“sdsd”:19.519,“nni_50”:24,“pnni_50”:2.4,“nni_20”:225,“pnni_20”:22.5,“rmssd”:19.519,'median_nni':722.5,'范围_nni':249,“cvsd”:0.0272,“cvnni”:0.060,'平均小时':83.847,'最大小时':101.694,'最小小时':71.513,'标准小时':5.196}

您可以找到如何使用以下方法、参考和有关中每个功能的详细信息文档:

• 获取时间域功能
• 获取几何特征
• 获取频率域功能
• 获取csi_cvi_功能
• 获取poincare_plot_features
• 获取采样

有几个绘图功能可供您查看，例如，频域特征的功率谱密度（PSD）或非线性域特征的庞加莱图：

从 hr分析 进口 绘图.psd

#nn_intervals_list包含nn-interval的整数值
nn_间隔_列表 =[1000,1050,1020,1080, ...,1100,1110,1060]绘图.psd(nn_间隔_列表,方法=“韦尔奇”)绘图.psd(nn_间隔_列表,方法=“lomb”)

从 hr分析 进口 plot_poincare（点绘）

#nn_intervals_list包含nn-interval的整数值
nn_间隔_列表 =[1000,1050,1020,1080, ...,1100,1110,1060]plot_poincare（点绘）(nn_间隔_列表)plot_poincare（点绘）(nn_间隔_列表,plot_sd_功能=真的)

您可以在中找到如何使用方法和详细信息文档:

• 绘图_分布
• plot_timeseries（打印时间序列）
• 绘图.psd
• plot_poincare（点绘）

以下是该软件包不同构建块的高级视图：

以下是用于计算特征集和信号处理方法的主要参考：

心率变异性-测量标准、生理学解释和临床应用，欧洲心脏病学会和北美起搏和电生理学会特别工作组，1996年

心率变异性的信号处理方法-Gari D.Clifford，2002

使用近似熵和样本熵进行生理时间序列分析，Joshua S.Richman，J.Randall Moorman-2000

使用Lorenz图和心率变异性心脏交感指数检测癫痫患者的癫痫发作，Jesper Jeppesen等人，2014年

罗宾·尚普西- (https://github.com/robinchampseix网站)

该项目根据GNU通用公共许可证-请参阅许可.md文件以获取详细信息

请参阅如何贡献

我在此感谢劳伦特·里比埃（Laurent Ribière）和克莱门特·勒·库迪奇（Clément Le Couedic），他们给了我时间来开源这个库。我也感谢Fabien Arcellier对如何在PyPi建立图书馆的建议。