跳至內容

NeuroKit

維基百科,自由的百科全書
NeuroKit
程式語言 Python
作業系統 所有可以支持Python的電腦作業系統
語言 英語
類型 統計分析軟體
授權條款 MIT許可證
網站 github.com/neuropsychology/NeuroKit頁面存檔備份,存於網際網路檔案館

NeuroKit「nk」 )是一個用於處理生理信號的開源工具箱。 [1]最新版本NeuroKit2是用Python編寫的,各用戶可從PyPI包的存儲庫中取得。 [2]截至 2022 年 6 月,該軟體已於 94 篇科學學術刊物中使用。 [3] NeuroKit2 也是目前流行且對貢獻者友好的神經生理學開源軟體之一(此說明基於下載數量、貢獻者數量和其他GitHub指標a )。 [4]

特徵[編輯]

NeuroKit2 工具箱可用於處理各類生理信號的工具,包括心電圖(ECG) 和光電容積描記(PPG)、皮膚電活動(EDA)、呼吸率(RSP)、肌電圖(EMG) 和眼電圖 (EOG) 等信號。 [5]

它可以計算心率變異性(HRV) 和呼吸變異性(RRV) 指標。 [6] [7]

它還運用了各種不同的算法來檢測 R 峰和其他QRS 波群,包括高效的內部 R 峰檢測器。 [8] [9]

它也可以用於分析EEG等神經生理信號的微狀態和頻帶分析。[來源請求]

它還包括一整套用於分形生理學的函數,可用於計算各種複雜性度量(例如分形維數)。 [10]

設計[編輯]

該軟體旨在供沒有編程經驗的用戶使用,便於用戶使用高級功能來運行整個預處理或分析例程。 [1] [11]

import neurokit2 as nk

# Download example data
data = nk.data("bio_eventrelated_100hz")

# Preprocess the data (filter, find peaks, etc.)
processed_data, info = nk.bio_process(ecg=data["ECG"], rsp=data["RSP"], eda=data["EDA"], sampling_rate=100)

# Compute relevant features
results = nk.bio_analyze(processed_data, sampling_rate=100)


其他[編輯]

其他用於分析生理信號的開源工具箱包括:

  • 神經生理學生物標誌物工具箱(MatLab)
  • EEGLAB (MatLab)
  • MNE-Python (Python)

筆記[編輯]

^ 截於2022年五月18日, GitHub 承認此軟體已拿到 644顆星, 並擁有47位貢獻者, 及廣用於 101 個不同的開源軟體.[4]

參考[編輯]

  1. ^ 1.0 1.1 Makowski, Dominique; Pham, Tam; Lau, Zen J.; Brammer, Jan C.; Lespinasse, François; Pham, Hung; Schölzel, Christopher; Chen, S. H. Annabel. NeuroKit2: A Python toolbox for neurophysiological signal processing. Behavior Research Methods. August 2021, 53 (4): 1689–1696. doi:10.3758/s13428-020-01516-y. 
  2. ^ neurokit2. PyPI. [23 March 2022]. (原始內容存檔於2022-06-18). 
  3. ^ NeuroKit2 article - Statistics. ResearchGate. [23 March 2022]. 
  4. ^ 4.0 4.1 NeuroKit2 - Popularity. GitHub. [23 March 2022]. (原始內容存檔於2022-08-13). 
  5. ^ Jaber, Dalia; Hajj, Hazem; Maalouf, Fadi; El-Hajj, Wassim. Medically-oriented design for explainable AI for stress prediction from physiological measurements. BMC Medical Informatics and Decision Making. December 2022, 22 (1): 12. doi:10.1186/s12911-022-01772-2. 
  6. ^ Pham, Tam; Lau, Zen Juen; Chen, S. H. Annabel; Makowski, Dominique. Heart Rate Variability in Psychology: A Review of HRV Indices and an Analysis Tutorial. Sensors. 9 June 2021, 21 (12): 3998. doi:10.3390/s21123998. 
  7. ^ Frasch, Martin G. Comprehensive HRV estimation pipeline in Python using Neurokit2: Application to sleep physiology. MethodsX. 1 January 2022, 9: 101782. doi:10.1016/j.mex.2022.101782. 
  8. ^ Baraeinejad, Bardia; Fallah Shayan, Masood; Vazifeh, Amir Reza; Rashidi, Diba; Saberi Hamedani, Mohammad; Tavolinejad, Hamed; Gorji, Pouya; Razmara, Parsa; Vaziri, Kiarash; Vashaee, Daryoosh; Fakharzadeh, Mohammad. Design and Implementation of an Ultra-Low-Power ECG Patch and Smart Cloud-Based Platform. TechRxiv. December 2021: 5. doi:10.36227/techrxiv.17003401. 
  9. ^ R-peak detection benchmark. sleepecg.readthedocs.io. [31 March 2022] (英語). [失效連結]
  10. ^ Makowski, Dominique; Te, An Shu; Pham, Tam; Lau, Zen Juen; Chen, S. H. Annabel. The Structure of Chaos: An Empirical Comparison of Fractal Physiology Complexity Indices Using NeuroKit2. Entropy. 27 July 2022, 24 (8): 1036. doi:10.3390/e24081036. 
  11. ^ Biosignal processing for automatic emotion recognition. BrainHack School. [18 May 2022]. (原始內容存檔於2021-09-28) (美國英語).