NeuroKit
 | |
| Skrivet i | Pytonorm |
|---|---|
| Operativ system | Alla operativsystem stöds av Python |
| Tillgänglig i | engelsk |
| Typ | Statistisk programvara |
| Licens | MIT-licens |
| Hemsida | |
NeuroKit ( "nk" ) är en öppen källkodsverktygslåda för fysiologisk signalbehandling. Den senaste versionen, NeuroKit2 , är skriven i Python och är tillgänglig från PyPI- paketförrådet. Från och med juni 2022 användes programvaran i 94 vetenskapliga publikationer. NeuroKit2 presenteras som en av de mest populära och bidragsgivarvänliga mjukvaran med öppen källkod för neurofysiologi baserat på antalet nedladdningar, antalet bidragsgivare och andra GitHub- mått.
Historia
Den första versionen av NeuroKit skapades som ett sidoprojekt för doktorand av Dominique Makowski 2017. Den avskaffades officiellt 2020 och har ersatts av den nuvarande versionen, NeuroKit2 . Några större uppdateringar har släppts sedan:
- 8 februari 2021: Utgåvan 0.1.0 sammanfaller med den första publiceringen av programvaran.
- 18 maj 2022: 0.2.0-versionen sammanfaller med en översyn av dokumentationen.
Funktioner
NeuroKit2 innehåller verktyg för att arbeta med hjärtaktivitet från elektrokardiografi (EKG) och fotopletysmografi (PPG), elektrodermal aktivitet (EDA), respiratoriska (RSP), elektromyografi (EMG) och elektrookulografi (EOG) signaler.
Det möjliggör beräkning av mätvärden för hjärtfrekvensvariabilitet (HRV) och respiratorisk variation (RRV).
Den implementerar också en mängd olika algoritmer för att detektera R-toppar och andra QRS-vågor , inklusive en effektiv intern R-toppdetektor.
För neurofysiologiska signaler som EEG stöder den mikrotillstånd och frekvensbandsanalys . [ citat behövs ]
Den inkluderar också en omfattande uppsättning funktioner som används för fraktalfysiologi , vilket möjliggör beräkning av olika komplexitetsmått ( inklusive entropi och fraktala dimensioner ).
Design
Mjukvaran designades för att vara tillgänglig för användare utan programmeringserfarenhet, med möjlighet att använda funktioner på hög nivå för att köra hela förbearbetnings- eller analysrutiner.
importera neurokit2 som nk # Ladda ner exempeldatadata = nk . data ( "bio_eventrelated_100hz" ) # Förbehandla data (filtrera, hitta toppar, etc.) processed_data , info = nk . bio_process ( ecg = data [ "ECG" ], rsp = data [ "RSP" ], eda = data [ "EDA" ], sampling_rate = 100 ) # Beräkna relevanta egenskaper resultat = nk . bio_analyze ( processed_data , sampling_rate = 100 )
Se även
Andra verktygslådor med öppen källkod för analys av fysiologiska signaler inkluderar:
- Neurofysiologisk biomarkör verktygslåda (MatLab)
- EEGLAB (MatLab)
- MNE-Python (Python)
Anteckningar
- ^ Den 18 maj 2022 indikerar GitHub att paketet har 644 stjärnor, 47 bidragsgivare och används i 101 andra applikationer med öppen källkod.