ecg_cardiac

# ECG 和心脏信号处理 ## 概述 处理心电图 (ECG) 和光电容积脉搏波 (PPG) 信号以进行心血管分析。该模块提供了用于 R 波检测、波形描绘、质量评估和心率分析的综合工具。 ## 主要处理工作流 ### ecg_process() 完整的自动化 ECG 处理工作流，协调多个步骤。 python signals, info = nk.ecg_process(ecg_signal, sampling_rate=1000, method='neurokit') **工作流步骤：** 1. 信号清洗（去噪） 2. R 波检测 3. 心率计算 4. 质量评估 5. QRS 描绘（P、Q、S、T 波） 6. 心动周期阶段确定 **返回值：** - `signals`: 包含清洗后的 ECG、峰值、心率、质量、心动周期阶段的 DataFrame - `info`: 包含 R 波位置和处理参数的字典 **常用方法：** - `'neurokit'` (默认): 全面的 NeuroKit2 工作流 - `'biosppy'`: 基于 BioSPPy 的处理 - `'pantompkins1985'`: Pan-Tompkins 算法 - `'hamilton2002'`, `'elgendi2010'`, `'engzeemod2012'`: 其他替代方法 ## 预处理函数 ### ecg_clean() 使用特定方法过滤原始 ECG 信号以去除噪声。 python cleaned_ecg = nk.ecg_clean(ecg_signal, sampling_rate=1000, method='neurokit') **方法：** - `'neurokit'`: 高通 Butterworth 滤波器 (0.5 Hz) + 电力线滤波 - `'biosppy'`: 0.67-45 Hz 之间的 FIR 滤波 - `'pantompkins1985'`: 带通 5-15 Hz + 基于导数的方法 - `'hamilton2002'`: 带通 8-16 Hz - `'elgendi2010'`: 带通 8-20 Hz - `'engzeemod2012'`: FIR 带通 0.5-40 Hz **关键参数：** - `powerline`: 去除 50 或 60 Hz 电力线噪声（默认：50） ### ecg_peaks() 检测 ECG 信号中的 R 波，并可选择进行伪影校正。 python peaks_dict, info = nk.ecg_peaks(cleaned_ecg, sampling_rate=1000, method='neurokit', correct_artifacts=False) **可用方法（13+ 种算法）：** - `'neurokit'`: 针对可靠性优化的混合方法 - `'pantompkins1985'`: 经典的 Pan-Tompkins 算法 - `'hamilton2002'`: Hamilton 自适应阈值法 - `'christov2004'`: Christov 自适应方法 - `'gamboa2008'`: Gamboa 方法 - `'elgendi2010'`: Elgendi 双移动平均法 - `'engzeemod2012'`: 修改后的 Engelse-Zeelenberg 法 - `'kalidas2017'`: 基于 XQRS 的方法 - `'martinez2004'`, `'rodrigues2021'`, `'koka2022'`, `'promac'`: 高级方法 **伪影校正：** 设置 `correct_artifacts=True` 以应用 Lipponen & Tarvainen (201