neurokit2

# NeuroKit2 ## 概述 NeuroKit2 是一个用于处理和分析生理信号（生物信号）的综合 Python 工具包。使用此技能可处理心血管、神经、自主神经、呼吸和肌肉信号，适用于心理生理学研究、临床应用及人机交互研究。 ## 何时使用此技能 在处理以下数据时应用此技能： - **心脏信号**：ECG、PPG、心率变异性 (HRV)、脉搏分析 - **脑信号**：EEG 频段、微状态、复杂性、源定位 - **自主神经信号**：皮肤电活动 (EDA/GSR)、皮肤电反应 (SCR) - **呼吸信号**：呼吸频率、呼吸变异性 (RRV)、单位时间容量 - **肌肉信号**：EMG 幅度、肌肉激活检测 - **眼动追踪**：EOG、眨眼检测与分析 - **多模态集成**：同时处理多种生理信号 - **复杂性分析**：熵度量、分形维数、非线性动力学 ## 核心能力 ### 1. 心脏信号处理 (ECG/PPG) 处理心电图和光电容积脉搏波信号以进行心血管分析。详细工作流请参阅 `references/ecg_cardiac.md`。 **主要工作流：** - ECG 处理流水线：清洗 → R 波峰检测 → 描记 → 质量评估 - 时间、频率和非线性域的 HRV 分析 - PPG 脉搏分析与质量评估 - ECG 衍生呼吸提取 **关键函数：** python import neurokit2 as nk # 完整的 ECG 处理流水线 signals, info = nk.ecg_process(ecg_signal, sampling_rate=1000) # 分析 ECG 数据（事件相关或间隔相关） analysis = nk.ecg_analyze(signals, sampling_rate=1000) # 综合 HRV 分析 hrv = nk.hrv(peaks, sampling_rate=1000) # 时间、频率、非线性域 ### 2. 心率变异性分析 从心脏信号中计算综合 HRV 指标。有关所有指数和特定领域分析的详细信息，请参阅 `references/hrv.md`。 **支持的领域：** - **时间域**：SDNN, RMSSD, pNN50, SDSD 及衍生指标 - **频率域**：ULF, VLF, LF, HF, VHF 功率及比率 - **非线性域**：庞加莱图 (SD1/SD2)、熵度量、分形维数 - **专业领域**：呼吸性窦性心律不齐 (RSA)、递归定量分析 (RQA) **关键函数：** python # 一次性获取所有 HRV 指标 hrv_indices = nk.hrv(peaks, sampling_rate=1000) # 领域特定分析