pyphysio：开源生理信号处理库的数据科学方法

软件X 10（2019）100287原始软件出版物pyphysio：生理学中数据科学方法的生理信号处理库Andrea Bizzegoa，c，Alessandro Battistib，Giulio Gabrielic，Gianluca Espositoa，c，Cesare Furlanelloba意大利特伦托大学b布鲁诺·凯斯勒基金会，意大利c新加坡南洋理工大学ar t i cl e i nf o文章历史记录：收到2019年收到修订版，2019年7月8日接受，2019年保留字：生理信号处理数据科学Pythona b st ra ct缺乏用于生理信号处理的开源工具阻碍了生理学中标准化管道的发展。研究人员通常必须依赖商业软件，通过实施黑盒算法，破坏了对分析的控制，并阻止了结果的一致性，最终影响了科学的可重复性。我们引入pyphysio作为面向计算生理指标的数据科学方法的一步，特别是自主神经系统活动。pyphysio是机器学习模块的基础，它实现了一套可组合的算法，用于处理来自可穿戴或医疗级质量设备的信号。©2019由Elsevier B.V.发布这是一个在CC BY-NC-ND许可下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）中找到。代码元数据当前代码版本v2.1用于此代码版本的代码/存储库的永久链接https://github.com/ElsevierSoftwareX/SOFTX_2019_180Code Ocean computecapsulehttps://doi.org/10.24433/CO.9224164.v1法律代码许可证GNU GPL v3使用git的代码版本控制系统使用Python v3.x的软件代码语言、工具和服务编译要求，操作环境依赖性需要以下Python软件包：numpy，scipy，matplotlib如果可用开发人员文档/手册链接https://github.com/MPBA/pyphysio/tree/master/tutorials问题支持电子邮件bizzego@fbk.eu1. 动机和意义生理信号在医学科学中广泛用于诊断和监测患者的健康状况。它们还提供了对心理生理调节机制的有效洞察，使我们能够适应环境变化并对外部刺激做出反应[1，2]。可穿戴传感器（WS）技术的兴起使生理信号成为多项研究的核心方法*通讯作者。电子邮件地址：andrea. unitn.it（A. Bizzego）。https://doi.org/10.1016/j.softx.2019.100287领域的WS的承诺是能够在生态环境中获取信号[3]，基于小型化，准确性，采样率和能源效率的进步。不幸的是，这种技术进步还没有与用于生理数据分析的科学计算平台的广泛可用性相匹配。生理信号研究再现性的第一个障碍是目前对黑箱算法的偏好，通常将分析集中在专有的云框架中，并在最坏的情况下阻止访问原始数据。除了少数例外（例如OpenANSLAB [4]），商业软件和开源软件的范围通常集中在一种类型2352-7110/©2019由Elsevier B. V.发布。这是CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表SoftwareX期刊主页：www.elsevier.com/locate/softx2A. Bizzego，A.Battisti湾Gabrieli等人粤公网安备44010802000017号图1.一、 生理信号处理的 三 个 步 骤 （顶部）和血量脉冲（BVP）信号的 示 例 （底部）。例如，用于脑电图（EEG）信号的pyEEG [5];用于心率变异性（HRV）分析的pyHRV [6]、gHRV [7]和KUBIOS [8];用于皮肤电活动（EDA）的Ledalab [9]、SCRalyze [10]和cvxEDA [11在多个软件工具中，解决方案的缺乏透明度和碎片化阻碍了Python库pyphysio旨在解决的研究内部和研究之间的重现。pyphysio被设计为提供一个友好的接口来进行生理信号处理。它的主要应用领域是ANS活性的研究;然而，它的用途是不限于心理生理学，而是可以扩展到基于生理信号的任何研究（例如，运动和健康、情感计算）。pyphysio提供了广泛的选择和数据分析选项，并为编程专业知识有限的研究人员量身定制。尽管我们承认每个研究都有特定的科学问题和不同的实验设计，但数据分析模块的顺序应该很容易在标准模式和定制管道的一致框架中连接起来。采用结构良好但通用的框架的优点是，可以逐步向心理生理学专家提供最先进的功能，这些专家通常不具备有效编码信号处理模块的技能，并且可能最终使用次优解决方案。总之，采用pyphysio有望提高基于生理信号量化的研究质量：首先，通过提高研究人员的信号处理能力，而无需具备编码和编程技能;其次，通过允许开发可重复生产的管道，第三，通过促进新算法的实施和采用。2. 软件描述我们使用Python开发了pyphysio，特别是在科学计算的成熟库之上，特别是scipy1和numpy2，以简化多种类型生理信号的处理。具体而言，pyphysio提供算法和函数来完成典型的心理生理学信号处理流水线，该流水线由以下步骤组成（参见图11）。1）、1. 滤波和预处理：去除噪声，提高信号质量。这些算法是通用的，可以应用于不同类型的信号;1 www.scipy.org/网站。2 www.numpy.org/网站。2. 信息提取：旨在从输入信号中提取关键信息这些算法大多数特定于信号类型（例如，从ECG信号检测心跳）;但是它们也可以通过相应地设置算法的参数而用于多种3. 生理指标：应用从输入信号（例如，特定频带中的能量）计算度量（即，标量值）的数学和统计函数。pyphysio提供了一组与自主神经系统（ANS）的活动直接相关的指标，以支持心理生理学研究。文献中提出的主要指标可在pyphysio中用于每种类型的支持信号，并指定了默认参数（见表1）。预期用户：pyphysio是专为用户没有广泛的编程技能。在高水平上定义功能，以便能够完成研究个体生理和心理状态的实验的开发。此外，模块化结构和pyphysio类和函数的可用性使得能够实现新颖的ad-hoc算法和更复杂的信号处理流水线。基本概念：pyphysio已经开发用于离线分析生理信号，如ECG，EDA，呼吸，肌电图。可以在不限制用于收集数据的仪器类型的情况下使用Pyphysio。然而，已经提供了特殊的功能以允许研究者处理来自WS的较低质量的数据。它的主要用途是计算生理指标来研究ANS的活动，这是心理生理学研究的典型方法。主要类和函数：pyphysio引入了Signal类（表示生理信号），扩展了Numpy包的numpy.array类。因此，numpy.array的所有方法都可以用来处理Signal类的实例。以固定采样频率采样的信号用子类EvenlySignal表示，该子类由起始时间戳和采样频率定义。其他类型的信号（例如，事件触发器）自然地与在时间上间隔不相等的样本相关联。当采样频率不恒定时，pyphysio子类UnevenlySignal可用，因此每个样本的时间参考需要储存起来。这两个类都使用默认方法访问信号属性，如信号值或时间戳-get_values（）、get_times（），或用于快速信号操作（例如，重新排序、可视化或分段）。Algorithm类描述了一个计算函数F，它具有一组参数p，这些参数p控制着函数的行为。信号处理流水线由多个处理步骤组成，每个处理步骤被建模为一个算法实例。不同类型的信号处理算法A. Bizzego，A.Battisti湾Gabrieli等人粤公网安备44010802000017号3表1肾盂造影默认提供的主要生理指标。信号指示器心搏间期RRmean、RRSTD、RMSSD、pNN50、pNN25、pNN10、triang、TINN、VLF、LF、HF、SD1、SD2、SD12、Sell、ApEn、SampEn、DFAa1、DFAa2 [12]皮电活动平均值、范围、标准差、平均峰值幅度、最大峰值幅度、峰值斜率、峰值持续时间、峰值数量AUC [13]脑电图能量：δ、θ、α、β频段[5]肌电图最大值、最小值、平均值、范围、标准差、AUC、4-40 Hz频段的能量包括现有功能的简单包装器（例如scipy.filter）和更复杂的程序（例如估计与交感神经调节相关的EDA信号的分量[9]）。表2列出了在pyphysio中实现的主要算法。此外，pyphysio还提供了评估信号质量、多个信号的时间对齐、从连续片段中提取指标以及后处理分析输出的功能。与scipy软件包和其他用于科学编程的通用资源相比，pyphysio函数确实是为信号处理量身定制的，主要包括具有直接物理意义的参数（例如，使用秒而不是向量索引，或使用赫兹而不是相对频率）。为了便于创建处理管道，pyphysioAlgorithm类扩展了三个子类（Filter、Estimate和Indicator）。每个子类专用于典型信号处理流水线中的一个阶段（见图1）。①的人。Tool类收集了其他pyphysio算法，可用于开发复杂的处理步骤，例如识别局部最大值/最小值，以及估计功率谱密度。Segment类及其子类用于生成信号的片段（例如，具有移位窗口）并管理对每个片段的操作的执行，例如生理指标的计算值得注意的是，Segment中的方法可以包括实验时间轴作为附加信号，以便将标签与计算的指标（例如，实验阶段标签以使得能够在不同实验条件之间进行一致的比较）。此外，该工具还提供诊断算法，例如使用信号质量指标验证输入数据，以进行预处理或无监督机器学习。3. 说明性实例使用pyphysio，一个典型的信号处理管道来分析对刺激的自主反应，可以在几行代码中设置（见图2）。2）的情况。在本例中，我们处理了两个信号：血量脉搏（BVP）和EDA [17]，这两个信号是在受试者观看两个30秒长的具有不同情感内容的视频的实验期间收集的。由于BVP中的峰值与心脏活动相关联，因此该信号用于提取连续搏动之间的距离（搏动间隔，IBI），然后分析与自主神经系统（ANS）的调节活动相关联的HRV。EDA信号也与ANS相关：交感神经系统（SNS）（ANS的一个分支）的活动增加汗腺的分泌活动，从而导致皮肤的电导率增加。SNS的活动或阶段性反应可以通过去卷积过程从EDA估计[13]。第一个视频，在30秒的基线后呈现，引起了平静的反应，第二个引起了唤醒状态，在第一个视频后暂停30秒后呈现。我们有兴趣研究两个视频的不同自主反应管道中的第一步是创建存储信号值及其时间支持的EvenlySignal实例（参见图10）。 2 A）：只需设置采样频率和收购的开始时间。请注意，更复杂的设置可能使用不同的信号源，因此允许单独指定开始时间对于不同流的同步至关重要。在第二步中，我们从信号中提取与自主反应相关的信息：来自BVP的IBI [16]，以及来自EDA的相位反应，与SNS活动相关[9，13]（见图2）。 2 B）。然后，我们定义用于窗口化的参数和应该在每个信号上计算的自主指示符的类型。窗口化是其中自主指示符从信号的部分计算的过程，并且是解释自主响应的动态的常见实践在这个例子中（见图）。2C），我们使用长度为15 s的部分重叠（10 s重叠）窗口和HRV的三个时域指标，和相位反应的三个峰值模式。请注意，pyphysio包括每个信号的预定义指标列表，可用于代替手动定义的指标（见表1）。最后（见图2D），我们使用pyphysio自动计算每个片段的指标。在这个例子中，我们观察到（图）。 2 D）在第二个视频期间 ， IBI 的 平 均 长 度 （ RRMean ） 减 小 ， 峰 值 的 平 均 幅 度（PKSMean）增加，表明第二个刺激激发了更兴奋的状态。典型的生理信号处理流水线包括用于信号滤波和更复杂地使用pyphysio算法的步骤，为了简单起见，这里省略了这些步骤。所有参数及其用法都在文档包中描述pyphysio已经被用于研究，例如：调查成人对儿童哭泣[18，19]和社交困扰[204. 影响和结论更紧凑的设备、更高的采样率和测量多个生理信号的可能性的可用性很好地支持了心理生理学研究中数据密集型实验设置的出现。因此，大数据分析现在也是一项需要考虑的关键任务，适用于所有数据，从实验室环境中的临床仪器到用于灵活室内研究的便携式设备，再到用于野外应用的可穿戴设备。可以公平地预期，这些科学数据资产将能够训练人工智能算法，并在以后实现临床应用。因此，迫切需要填补更好的生理传感能力与信号处理和分析工具集之间的现有差距。正如生物信息学中已经承认的那样，专有软件是算法管道定制的一个限制因素，也是支持再现性的一个障碍，特别是在大数据框架中。另一方面，需要安装多种编程环境语言的管道很难开发、维护和复制。4A. Bizzego，A.Battisti湾Gabrieli等人粤公网安备44010802000017号表2在pyphysio中实现的选定算法。肾盂功能描述注意到Filters.Normalize（）根据各种方法（例如，标准化）Filters.IIRFilter（）一种无限冲激响应滤波器的实现使用标称频率，而不是相对频率Filters.FIRFilter（）一种有限冲激响应滤波器的实现使用标称频率，而不是相对频率Filters.KalmanFilter（）信号的卡尔曼算法的实现筛选器过滤输入信号Filters.ConvolutionalFilter（）将信号与给定的脉冲响应进行卷积预定义的脉冲响应函数列表功能用于信号平滑Filters.DeConvolutionalFilter（）对具有给定脉冲响应的信号进行反卷积功能Filters.ImputeNAN（）插补缺失值缺失值用随机值插补从最近值Filters.RemoveSpikes（）消除信号值的突然变化通过分析信号来检测尖峰衍生物BeatFromBP（）检测心脏信号中的搏动位置，[16个]测量血液脉搏Estimators.BeatFromECG（）检测ECG中的搏动位置Estimators.DriverEstim（）用贝特曼函数对EDA信号进行反卷积[9]第一章代表了汗腺的反应PhasicEstim（）根据相位分量的信号估计相位分量。[9]第一章汗腺活动能量估算器估计信号使用可自定义窗口的窗口化允许局部估计的SegmentsGenerators.FixedSegments（）提取具有固定长度的信号的连续部分和重叠SegmentsGenerators.CustomSegments（）使用自定义开始并停止时间戳SegmentsGenerators.LabelSegments（）从以下值中提取信号的连续部分：附加信号（例如，刺激呈现）图二. 一个典型的生理信号处理管道与pyphysio的示意图。(A)定义信号及其时间支持;（B）从信号中提取感兴趣的信息（来自BVP的IBI和来自EDA的相位响应）;（C）定义窗口程序和自主指标列表;（D）计算自主指标并可视化结果。pyphysio旨在提供一个共同的框架来处理不同类型的生理信号。它需要最少的Python知识和编程技能，它旨在促进脚本信号处理管道，其中每个步骤都由类Algorithm的对象实现。此外，pyphysio结构使新算法的集成更快，在Pyphysio存储库中可获得不同信号类型的附加示例。3值得注意的是，pyphysio可以与最常用的机器学习和深度学习环境一起使用，特别是和多种生理信号，如EEG和功能近红外光谱（fNIRS）。电子书笔记本3https://github.com/MPBA/pyphysioA. Bizzego，A.Battisti湾Gabrieli等人粤公网安备44010802000017号5使用科学的Python库，如scikit-learn，keras，Py- Torch。鼓励研究人员和开发人员采用并促进pyphysio的开发，特别是通过添加更多的算法和功能，例如增加实时处理流数据的能力。竞合利益作者声明，本文中不存在利益冲突。引用[1]克赖比格海峡情绪中的自主神经系统活动：综述。Biol. 心理学。2010;84（3）：394-421.[2]Levenson RW。自主神经系统和情绪。不客气。Rev. 2014;6（2）：100-12。[3]Pantelopoulos A，Bourbakis NG.用于健康监测和预后的可穿戴传感器系统的调查。IEEE Trans. Syst. Man Cybern C2010;40（1）：1-12.[4]Blechert J，Peyk P，Liedlgruber M，Wilhelm FH. ANSLAB：心理生理科学中的综合多通道外周生物信号处理。Behav Res Methods2016;48（4）：1528-45.[5]鲍福胜，刘翔，张春.PyEEG：一个用于EEG/MEG特征提取的开源Python模块。Comput.内特尔Neurosci. 2011年;2011年。[6][10]杨文，李文. Physiolyze：一个基于银河系的网络服务，用于心率变异性分析和在线处理。2014年第8届欧洲心血管振荡研究小组会议。IEEE; 2014，p.97比8[7]Rodríguez-Liñares L，Lado M，Vila X，Méndez A，Cuesta P. GHRV：心率变异性分析变得容易。计算方法程序生物医学2014;116（1）：26-38。[8]Tarvainen MP，Niskanen J-P，Lipponen JA，Ranta-Aho PO，KarjalainenPA. Kubios心率变异性分析软件。计算方法程序生物医学2014;113（1）：210-20。[9]Benedek M ， Kaernbach C. 连 续 测 量 阶 段 性 皮 电 活 动 。 J NeurosciMethods2010;190（1）：80-91.[10]Bach博士. SCRalyze和Ledalab的头对头比较，两种基于模型的皮肤电导分析方法。生物心理学2014;103：63-8.[11]Greco A，Valenza G，Lanata A，Scilingo EP，Citi L. cvxEDA：皮肤电活动处理的凸优化方法。IEEE TransBiomed Eng2016;63（4）：797-804。[12]马利克·M.心率变异性。无创心电图。1996;1（2）：151-81.[13]Benedek M ， Kaernbach C. 用 非 负 反 褶 积 法 分 解 皮 肤 电 导 数 据 。Psychophysiology 2010;47（4）：647 - 58.[14][10]李志华，李志华. DEAP：使用生理信号进行情绪分析的数据库。IEEETrans Affect Comput 2012;3（1）：18[15]放大图片Casamassima F，Farella E，Benini L. 用于运动感测体域网节点的上下文感知功率管理。在：欧洲设计，自动化测试会议论文集&。欧洲设计与自动化协会; 2014，p. 一百七十[16]Bizzego A，Furlanello C. DBD-RCO：基于导数的检测和反向组合优化，以改善可穿戴设备的心跳检测，bioRxiv，2017，p. 118943。[17]Kushki A，Fairley J，Merja S，King G，Chau T.不同解剖部位对精神和情感刺激的血容量脉搏和皮肤电导反应的比较。生理学测量2011;32（10）：1529。[18]Ozturk Y，Bizzego A，Esposito G，Furlanello C，Venuti P.自闭症谱系障碍儿童父母对儿童哭泣的生理和自我报告反应。Res. Dev. 禁用。2018;73：31-9.[19][10]李国雄，李国雄.将突出的发声置于背景中：成年人在家庭和外部环境中对情感线索的生理唤醒。生理学行为2018;196：25-32.[20][10] Zhuzzi A ， Poquérusse J ， Setoh P ， Shinohara K ， Bornstein MH ，Esposito G. 催产素受体基因多态性（rs53576）和早期父亲照顾使男性对痛苦的女性发声敏感。Dev.心理生物学2018;60（3）：333-9。[21]张文良，王文良.血清张力素转运体基因多态性和早期亲子互动与成年男性对女性哭声的心率反应有关。 前面 Physiol. 2017年8月111日。[22]Esposito G，Truzzi A，SetohP，普特尼克DL，ShinoharaK，出生-Stein MH.遗传倾向和父母关系相互作用，塑造了成年人对社会困境的生理反应。行为举止。Brain Res. 2017;325：156-62.[23]Rad NM，Bizzego A，Kia SM，Jurman G，Venuti P，Furlanello C.卷积神经网络用于自闭症刻板运动检测。 2015年，arXiv预印本arXiv：1511.01865。[24]张晓刚，王晓刚.对二元互动的生理反应受到神经典型成年人的自闭症和移情特征水平的影响。生理学行为2016;165：7-14.[25][10]杨文，李文.移情同步性评估的计算方法。 2019年第29届意大利神经网络研讨会智能创新系统和技术，Springer;2019。[26]Calabranti G，Bizzego A，Cainelli S，Furlanello C，Venuti P. M-MS：探索ASD中二元相互作用的多模态同步数据集。 2019年第29届意大利神经网络研讨会智能创新系统和技术，Springer;2019。