ECG 心电信号多维度特征提取系统（44 维 · 批处理 CLI）

技术信息

语言技术
Python系统类型
Windows、Linux行业分类
医疗健康、科学研究参考价格
200

作品详情

行业场景

- 心率变异性（HRV）研究与健康评估指标计算
- 可穿戴 / 远程监护设备的离线分析与算法验证
- 机器学习前的**特征工程与数据集构建**（批量导出多格式）
- 教学演示：ECG 预处理、检波、频域与非线性分析的完整链路

功能介绍

支持 MIT-BIH/PhysioNet、MAT、TXT、CSV 读入，WFDB 物理量加载。预处理含 0.5–45 Hz 带通滤波与基线去除，按载入、预处理、R 波检测、特征提取顺序执行，避免未滤波直接检波。检波可选 NeuroKit2、BioSPPy、Pan-Tompkins，RR 间期按 300–1500 ms 过滤，metadata 记录检波数与离群剔除情况。

一次输出 44 维特征：时域 HRV 9 项（如 SDNN、RMSSD、PNN50），频域 9 项（如 TP、VLF、LF、HF、LF/HF），时频域 16 项（STFT 占比、小波包能量与熵等），形态学 2 项（QRS 宽度、ST 偏移），非线性 8 项（如 SD1/SD2、样本熵、DFA、Hurst）。可生成 R 波、RR 间期、STFT、庞加莱四类标准图，导出 CSV/JSON/MAT/Excel，特征顺序固定，便于批量建库与建模。

提供 ECGFeatureExtractor 类与 ecg-extract 命令行，支持演示、批处理及跳过分界加速；含单元测试，依赖由 pyproject 与 uv 管理。

项目实现

本项目是一套心电（ECG）信号多维度特征提取系统，面向 HRV 研究、可穿戴/远程监护离线分析，以及机器学习前的特征工程。

功能：支持 WFDB/MIT-BIH、MAT、TXT、CSV；带通滤波与基线去除；NeuroKit2 / BioSPPy / Pan-Tompkins 检波；提取 44 个特征（时域 9、频域 9、时频 16、形态 2、非线性 8）；导出 CSV/JSON/MAT/Excel；生成 R 波、RR、STFT、庞加莱共 4 张图。

工程： ECGFeatureExtractor 类 + ecg-extract 命令行；强制 preprocess → detect_r_peaks → extract_features 顺序；JSON 含采样率、R 峰数量、RR 过滤等 metadata。MIT-BIH 记录 100 实测约 2270 个 R 峰、完整计算约 16.5 s（见 output/100_features.json）。

技术栈： Python 3.10+、NumPy、SciPy、Pandas、WFDB、NeuroKit2、PyWavelets、nolds、antropy 等。

说明：示例为公开 MIT-BIH 数据；仅供信号分析与科研/工程参考，不构成医疗诊断。