心电图数据预处理python

心电图（ECG）数据预处理是机器学习和生物医学信号分析中的一项关键步骤。在Python中，可以使用一些科学计算库如NumPy、Pandas和专门用于信号处理的库如SciPy和matplotlib来进行ECG数据的预处理。以下是预处理的一般步骤：

1. **导入数据**：首先，使用Pandas读取CSV或二进制文件，并将数据转换成NumPy数组。

import pandas as pd
import numpy as np

ecg_data = pd.read_csv('ecg_data.csv', header=None)
ecg_array = np.array(ecg_data)

2. **检查数据质量**：检查是否有缺失值、异常值或非线性趋势。有时需要平滑信号（如使用移动平均滤波器）。

from scipy.signal import savgol_filter

# 平滑信号
smoothed_ecg = savgol_filter(ecg_array, 501, polyorder=3)

3. **基线漂移去除**：如果存在基线漂移，可以对信号进行高通或低通滤波，或使用基线恢复算法。

from sklearn.decomposition import FastICA

ica = FastICA(n_components=1)
baseline_corrected = ica.fit_transform(smoothed_ecg)

4. **峰检测**：找到R波等重要的心电信号特征点，常常使用像Pan-Tompkins算法这样的方法。

5. **分段和标准化**：根据R-R间期将信号分割成多个心动周期，然后归一化到0-1范围。

6. **噪声去除**：通过滤波器（例如 Butterworth 或 IIR 滤波器）进一步减少剩余的噪声。

from scipy.signal import butter, lfilter

# 设定滤波参数
fs = 256  # 采样频率
lowcut, highcut = 1, 40  # 频率范围
order = 2

b, a = butter(order, [lowcut/(fs/2), highcut/(fs/2)], btype='band')
filtered_data = lfilter(b, a, baseline_corrected)