「文档翻译」HeartPy - Python Heart Rate Analysis Toolkit II

Analysing Smartwatch Data

本笔记本概述了如何使用 HeartPy 分析从智能手表设备获取的原始 PPG 数据。

与指尖或耳垂上的典型 PPG 传感器相比，以这种方式测量的信号包含更多的噪声，指尖或耳垂上的灌注比手腕上的灌注更容易测量。

分析此类信号需要一些额外的步骤，如本笔记中所述。

首先让我们加载依赖项和数据文件：

import numpy as np

import heartpy as hp
import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv('raw_ppg.csv')
df.keys()

Index(['ppg', 'timer'], dtype='object')

查看文件格式。

plt.figure(figsize=(12,6))

plt.plot(df['ppg'].values)
plt.show()

PPG 似乎有断断续续的部分点缀在非信号之间（传感器未记录的时间段）。

现在，让我们对第一个信号部分进行切片，看看发生了什么。稍后我将向您展示如何自动排除非信号部分。

signal = df['ppg'].values[14500:20500]
timer = df['timer'].values[14500:20500]
plt.plot(signal)
plt.show()

现在我们需要知道采样率。它用于计算所有其他内容。

HeartPy 有多种从计时器列获取采样率的方法。让我们看看计时器的格式：

timer[0:20]

array(['11:10:57.978', '11:10:58.078', '11:10:58.178', '11:10:58.279',
       '11:10:58.379', '11:10:58.479', '11:10:58.579', '11:10:58.679',
       '11:10:58.779', '11:10:58.879', '11:10:58.980', '11:10:59.092',
       '11:10:59.180', '11:10:59.283', '11:10:59.381', '11:10:59.481',
       '11:10:59.582', '11:10:59.681', '11:10:59.781', '11:10:59.882'],
      dtype=object)

格式是 HH:MM:SS:mm

HeartPy 附带了一个日期时间函数，可以使用 get_samplerate_datetime 将日期转化为采样率。

#Seems easy enough, right? Now let's determine the sample rate

sample_rate = hp.get_samplerate_datetime(timer, timeformat = '%H:%M:%S.%f')

print('sampling rate is: %.3f Hz' %sample_rate)

sampling rate is: 9.986 Hz

采样率相当低，但为了节省电量，许多智能手表都采用这种方式。对于确定 BPM 来说这很好，但任何心率变异性 (HRV) 测量都可能不会非常准确。

采样率的第二个考虑因素是它是否稳定。包括智能手表在内的许多设备可以同时执行许多操作。他们运行的操作系统除了测量心率外还有其他任务，因此当以 10Hz 进行测量时，操作系统可能不会每 100 毫秒就准备好进行一次测量。因此，采样率可能会有所不同。

from datetime import datetime

#let's create a list 'newtimer' to house our datetime objects
newtimer = [datetime.strptime(x, '%H:%M:%S.%f') for x in timer]

#let's compute the real distances from entry to entry
elapsed = []
for i in range(len(newtimer) - 1):
    elapsed.append(1 / ((newtimer[i+1] - newtimer[i]).microseconds / 1000000))

#and plot the results
plt.figure(figsize=(12,4))
plt.plot(elapsed)
plt.xlabel('Sample number')
plt.ylabel('Actual sampling rate in Hz')
plt.show()

print('mean sampling rate: %.3f' %np.mean(elapsed))
print('median sampling rate: %.3f'%np.median(elapsed))
print('standard deviation: %.3f'%np.std(elapsed))

mean sampling rate: 9.987
median sampling rate: 10.000
standard deviation: 0.183

信号均值接近 10Hz，并且方差较低。 偶尔出现 12Hz 的峰值或 9Hz 的下降表明计时器不准确，但这种情况并不常见。

对于我们当前的目的来说，这已经足够了。

当然，您可以对信号进行插值和重新采样，使其具有精确的采样率，但对计算测量的影响可能很小。