[HeartPy] PPG 신호 분석

PPG 신호 분석

 

HeartPy를 사용하여 일반 PPG 신호를 분석하는 방법을 알아본다. 이를 위해 HeartPy와 함께 패키지된 예제 데이터 세트를 사용한다.

 

# First let's import
import heartpy as hp
import matplotlib.pyplot as plt

# first let's load the clean PPG signal
data, timer = hp.load_exampledata(0)

# and visualise
plt.figure(figsize=(12,4))
plt.plot(data)
plt.show()

 

HeartPy는 제공된 데이터 세트를 로드할 수 있는 함수 load_exampledata()와 함께 제공된다. 튜플 (데이터, 타이머)을 반환한다. 여기서 'timer'는 타이머 열 (ms 또는 datetime)이다. 사용 가능한 타이머 열이 없으면 튜플이 반환되지만 타이머 배열은 비어 있다.

HeartPy에는 세 가지 데이터 세트가 포함되어 있다.

 

0 : 100.0Hz로 샘플링된 짧고 매우 깨끗한 PPG 신호 1 : 약간 더 긴 (~2분) PPG 신호, 첫 번째 세 번째 신호 누락, 나머지 신호에서 랜덤 noise spike 2 : 검지의 펄스 센서와 Arduino를 사용하여 운전 시뮬레이터에서 주행하는 동안 '야생에서' 기록된 긴 (~11.5분) PPG 신호

 

hp.process를 실행하면 working_data (피크 위치 및 피크 피크 간격과 같이 액세스할 수 있는 작업 데이터 포함)와 measure (계산된 출력 측정 포함)의 두 가지 dict가 반환된다.

문서에서 이것을 'wd'와 'm'으로 줄인다.

 

# run the analysis
wd, m = hp.process(data, sample_rate = 100.0)

 

Heartpy에는 시각화 기능을 하는 hp.plotter(wd, m) 기능이 포함되어 있다. 함수에서 working_data와 measure dict를 지정해야 한다.

hp.plotter(wd, m)를 호출하기 전에 matplotlib에 그림 크기 같은 매개변수를 지정하는 경우 지정된 그림 크기가 사용된다.

 

# set large figure
plt.figure(figsize=(12,4))

# call plotter
hp.plotter(wd, m)

# display measures computed
for measure in m.keys():
    print('%s: %f' %(measure, m[measure]))

bpm: 58.898848
ibi: 1018.695652
sdnn: 65.760061
sdsd: 34.866925
rmssd: 64.737231
pnn20: 0.863636
pnn50: 0.409091
hr_mad: 40.000000
sd1: 45.758077
sd2: 82.926832
s: 11921.000816
sd1/sd2: 0.551789
breathingrate: 0.161095

 

두 번째 포함된 데이터 세트로 이동하여 살펴본다.

 

data, timer = hp.load_exampledata(1)

plt.figure(figsize=(12,4))
plt.plot(data)
plt.show()

 

이것은 의도적으로 만든 더 까다로운 신호이다. 센서를 장착하기 전과 장착하면서 기록을 시작했기 때문에 처음에는 신호가 없다. 신호가 시작된 후 녹화 중에 센서를 강제로 움직여서 노이즈가 몇 번 급증한다. 이는 참가자가 'in the wild'을 기록할 때 발생할 수 있는 상황을 모방하고, 실수로 센서 케이블을 잡아당기는 경우에도 마찬가지이다.

HeartPy는 이러한 종류의 것을 상자에서 꺼낼 수 있도록 설계되었다.

 

sample_rate = hp.get_samplerate_mstimer(timer)

wd, m = hp.process(data, sample_rate)

# plot
plt.figure(figsize=(12,4))
hp.plotter(wd, m)

# display measures computed
for measure in m.keys():
    print('%s: %f' %(measure, m[measure]))

bpm: 62.376304
ibi: 961.903744
sdnn: 64.613519
sdsd: 29.871930
rmssd: 57.069746
pnn20: 0.797297
pnn50: 0.486486
hr_mad: 47.010333
sd1: 40.344402
sd2: 81.621935
s: 10345.227446
sd1/sd2: 0.494284
breathingrate: 0.155994

 

sample_rate는 타이머 열(ms 값)에서 계산되었다. 어떤 sample_rate로 신호가 샘플링되었는지 몰랐기 때문에 이것은 사전에 중요하다. 모든 측정은 표본 비율을 아는 것에 달려 있다.

HeartPy는 ms-timer를 기반으로 샘플링 속도를 계산하는 hp.get_samplate_mstimer()와 datetime 값을 기준으로 sample_rate를 계산하는 hp.get_samplate_datetime()의 두 가지 함수로 제공된다.

 

이제 datetime 문자열을 사용하여 시간을 인코딩하는 'in the wild' 기록를 살펴본다.

 

data, timer = hp.load_exampledata(2)

print(timer[0])

2016-11-24 13:58:58.081000

 

샘플링 속도를 계산할 때 get_samplate_datetime() 문자열 형식을 지정해야 한다 (기본적으로 HH:MM:SS.ms).

 

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

print('sample rate is: %f Hz' %sample_rate)

sample rate is: 100.419711 Hz

wd, m = hp.process(data, sample_rate, report_time = True)

# plot
plt.figure(figsize=(12,4))
hp.plotter(wd, m)

# let's zoom in on a bit
plt.figure(figsize=(12,4))
plt.xlim(20000, 30000)
hp.plotter(wd, m)

# display measures computed
for measure in m.keys():
    print('%s: %f' %(measure, m[measure]))

Finished in 0.248689 sec

bpm: 97.325149
ibi: 616.490194
sdnn: 57.916589
sdsd: 30.173744
rmssd: 38.181375
pnn20: 0.320281
pnn50: 0.086345
hr_mad: 29.874613
sd1: 26.997110
sd2: 75.178572
s: 6376.189507
sd1/sd2: 0.359106
breathingrate: 0.258103

 

https://github.com/paulvangentcom/heartrate_analysis_python/blob/master/examples/1_regular_PPG/Analysing_a_PPG_signal.ipynb

GitHub - paulvangentcom/heartrate_analysis_python: Python Heart Rate Analysis Package, for both PPG and ECG signals