scipy.misc.

心电图

scipy.misc.electrocardiogram()

加载心电图作为一维信号的示例。

返回的信号是长达 5 分钟的心电图 (ECG)，即以 360 Hz 采样的心脏电活动医疗记录。

自 1.10.0 版本后已弃用: electrocardiogram 已从 SciPy 1.10.0 中的 scipy.misc.electrocardiogram 中弃用，并且将在 SciPy 1.12.0 中彻底移除。数据集方法已移入 scipy.datasets 模块。改用 scipy.datasets.electrocardiogram。

返回::

ecgndarray

心电图以 360 Hz 采样的毫伏 (mV)。

备注

提供的信号是来自 记录 208（导联 MLII）的摘录（19:35 至 24:35），该记录是由 MIT-BIH 心律失常数据库 [1] 在 PhysioNet [2] 上提供的。摘录包括噪声引起的伪像、典型的心跳以及病理性改变。

在 1.1.0 版本中添加。

参考文献

[1]

Moody GB、Mark RG。MIT-BIH 心律失常数据库的影响。IEEE Eng in Med and Biol 20(3):45-50（2001 年 5 月至 6 月）。(PMID: 11446209)；DOI:10.13026/C2F305

[2]

Goldberger AL、Amaral LAN、Glass L、Hausdorff JM、Ivanov PCh、Mark RG、Mietus JE、Moody GB、Peng C-K、Stanley HE。PhysioBank、PhysioToolkit 和 PhysioNet：复杂生理信号新研究资源的组成部分。Circulation 101(23):e215-e220；DOI:10.1161/01.CIR.101.23.e215

示例

在浏览器中试用！

>>> from scipy.misc import electrocardiogram
>>> ecg = electrocardiogram()
>>> ecg
array([-0.245, -0.215, -0.185, ..., -0.405, -0.395, -0.385])
>>> ecg.shape, ecg.mean(), ecg.std()
((108000,), -0.16510875, 0.5992473991177294)

前面已述，该信号有几个不同形态的区域。例如，前几秒显示心音窦性心律的电活动，如下所示。

>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> fs = 360
>>> time = np.arange(ecg.size) / fs
>>> plt.plot(time, ecg)
>>> plt.xlabel("time in s")
>>> plt.ylabel("ECG in mV")
>>> plt.xlim(9, 10.2)
>>> plt.ylim(-1, 1.5)
>>> plt.show()

然而，在第 16 秒后，出现了第一批过早性心室收缩，也称为期外收缩。与典型的心跳相比，它们的形态不同。可以在下图中轻松观察到差异。

>>> plt.plot(time, ecg)
>>> plt.xlabel("time in s")
>>> plt.ylabel("ECG in mV")
>>> plt.xlim(46.5, 50)
>>> plt.ylim(-2, 1.5)
>>> plt.show()

在几个点上，记录会受到严重伪像的影响，例如

>>> plt.plot(time, ecg)
>>> plt.xlabel("time in s")
>>> plt.ylabel("ECG in mV")
>>> plt.xlim(207, 215)
>>> plt.ylim(-2, 3.5)
>>> plt.show()

最后，检查功率谱显示大多数生物信号由较低频率组成。在 60 Hz 时，可以清楚地观察到受市电影响的噪声。

>>> from scipy.signal import welch
>>> f, Pxx = welch(ecg, fs=fs, nperseg=2048, scaling="spectrum")
>>> plt.semilogy(f, Pxx)
>>> plt.xlabel("Frequency in Hz")
>>> plt.ylabel("Power spectrum of the ECG in mV**2")
>>> plt.xlim(f[[0, -1]])
>>> plt.show()

返回在新标签中打开