python 滑窗法检测房颤分类

python 滑窗法检测房颤分类

判断信号的峰值间的距离是否相差较少

废话不说，直接上程序！记得点赞！！！！！！

思路主要是使用滑窗找到最大值对应的位置，最大值对应的位置相差间距求出来，相邻较小的位置删除，保留一定间距的位置。最终，每个位置相邻的间距求是否发生心率不齐。

import scipy.io
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
def detect_afib(rr_intervals, threshold=5):
    """
    判断给定RR间期是否存在房颤。

    Args:
        rr_intervals (list): RR间期列表，以秒为单位。
        threshold (float): 标准差阈值，用于判断是否存在房颤。默认值为0.14秒。

    Returns:
        int: 如果存在房颤，则返回1；否则返回0。
    """
    sdnn = np.std(rr_intervals)

    if sdnn > threshold:
        return 1
    else:
        return 0

def normalized(x):
    y = x - np.mean(x)  # 消除直流分量
    y = y / np.max(np.abs(y))  # 幅值归一化
    return (y)

# 读取.mat文件
mat = scipy.io.loadmat(r'C:\AF014.mat') # ECG信号

# 获取ECG信号数据
ecg_datas = mat['ECG014']

# 计算信号长度和采样率
signal_length = len(ecg_datas)
fs = 200

# 定义30秒的样本数
num_samples_30s = int(fs * 30)

# 计算可以分成多少个30秒的片段
num_segments = int(np.floor(signal_length / num_samples_30s))

# 滑动窗口

window_size = 100
threshold = 200

labels = []

# 分割ECG信号为30秒的片段
for i in range(num_segments):
    start_idx = i * num_samples_30s
    end_idx = start_idx + num_samples_30s
    ecg_segment = ecg_datas[start_idx:end_idx]
    # ecg_data = normalized(ecg_segment)
    ecg_data = ecg_segment
    peaks = []
    for i in range(0, len(ecg_data) - window_size, window_size):
        window = ecg_data[i:i + window_size]
        if np.max(window) > threshold:
            max_pos = np.argmax(window)
            peak_pos = i + max_pos
            peaks.append(peak_pos)
    rr_intervals = np.diff(peaks)
    rr_intervals = [interval for interval in rr_intervals if interval >= 50]
    # 在这里，您可以对每个30秒的ECG片段执行您的操作，例如进行分类或分析等。
    # label = detect_afib(ecg_data)
    # print(label)  # 输出0，因为RR间期的标准差是经验值，自己设置。
    # 计算标准差
    std_rr_intervals = np.std(rr_intervals)
    # 判断标签
    if std_rr_intervals < 10:
        label = 0
    else:
        label = 1

    labels.append(label)


    # # 创建一个x轴时间序列
    time = [i for i in range(len(ecg_data))]
    # 绘制心电信号
    plt.plot(time, ecg_data)
    # 添加标题和轴标签
    plt.title('ECG Signal')
    plt.xlabel('Time (samples)')
    plt.ylabel('Amplitude (mV)')
    # 显示图形
    plt.show()
    print(label)



# 将每个片段的标签放入一个名为labels的列表中
# 将数据转换为数据框
data = pd.DataFrame({'label': labels})

# 将数据写入Excel文件
data.to_excel('C:/yolov5-heart/labels.xlsx', index=False)