心率变异性分析

hr钒解是一个基于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/hrvan分析/

网站:https://www.ura.healthcare网站

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

版本: 1.0.4

安装/前提条件

用户安装

安装hrv分析最简单的方法是使用pip（点阵）:

$pip安装hrv分析

您还可以克隆存储库：

$git克隆https://github.com/aura-healthcare/rvanalysis.git$python setup.py安装

依赖关系

hr钒解需要以下内容：

• 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：该包可以用于从3.5到最新版本（当前为Python 3.9）的所有Pythons版本。

入门

异常和异位节拍过滤方法

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钒解 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_无输出 = 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

特征计算

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钒解 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,
 '媒体_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（_S）

绘图功能

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钒解 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=“洛姆布”)

从 hr钒解 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：

工具书类

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、生理解释和临床使用标准，欧洲心脏病学会和北美起搏与电生理学会工作组，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

作者

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

许可证

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

如何贡献

请参阅如何贡献

致谢

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。我还要感谢法比安·阿塞利尔（Fabien Arcellier）就如何在皮皮（PyPi）建立图书馆提出的建议。