Metadata-Version: 2.1
Name: HBVigor
Version: 0.1.1
Summary: HBV.
Home-page: UNKNOWN
Author: fengzhizi
Author-email: fengzhizi32@live.com
License: MIT
Description: # 概括
        心率变异性（HRV）是研究领域中一个不断增长的兴趣领域，近几十年来，越来越多的新测量方法被引入，随后是互补的软件工具。但是，大多数可用的封闭源HRV工具可用，许可证成本高昂，并且会阻止开发人员访问源代码，从而限制了自定义应用程序开发的可能性。另一方面，开源解决方案面临不同的局限性，例如功能减少，结果未经验证或对主流编程语言的完全支持。HBVigor是一个开源的Python工具箱，它计算来自心电图(ECG)、SpO2、血容量脉搏(BVP)或其他带有心率指示器的信号的最先进的心率变率(HRV)参数。
        
        通过HBVigor，我们的目标是为HRV专门的教育、研究和应用开发提供一个用户友好和通用的Python工具箱。
        
        它提供了易于理解的源代码，以帮助初学者理解基本的HRV参数计算，同时提供了最重要的HRV分析功能的开发人员和公布质量的结果为研究人员的图。
        
        
        # 入门指南
        ### 安装
        这个工具箱可以使用pip工具安装(适用于python3):
        ```python
        pip install HBVigor
        ```
        依赖工具包: [astropy](https://https://www.astropy.org/) | [numpy](http://www.numpy.org) | [scipy](http://scipy.org) | [matplotlib](https://matplotlib.org) |
        ### 导入
        ```python
        from HBVigor import HBVigor
        ```
        ### API参考
        * HBVigor.GetHRV(RRI, Domain = None)
        
            通过RR间期的时间序列数据来计算心率变异性（HRV）的各领域分析。
            
            参数：
            
            - RRI：心动间期，单位为毫秒(ms)， 建议采集时长为5分钟或24小时。
            - Domain：分析领域，可选：TimeDomain，FreqDomain， Poincare， Nonlinear。
            
            返回：
            
            - 字典类型，包括各领域的HRV分析结果。
        ### 科学背景
        
        HRV算法是根据[心率变异性测量标准、生理解释和临床使用指南](https://www.ahajournals.org/doi/full/10.1161/01.CIR.93.5.1043)算法开发和实现的。
        
        
        # HBVigor核心特性和HRV参数列表
        
        
        ### 时域参数
        * MAX：最大值
        * MIN：最小值
        * MEAN：平均值
        * SDNN：所有正常相邻RR间期的标准差
        * RMSSD：正常相邻RR间期差值的均方根
        * SDSD：正常相邻RR间期差值的标准差
        * NN50：相邻RR间期差值大于50ms的个数
        * PNN50：相邻RR间期差值大于50ms的个数除以总的RR间期个数，再乘以100
        ### 频域参数
        - Welch
        - Lomb-Scargle
        ### Poincare散点分析
        * SD1：散点图短半轴的长度
        * SD2：散点图长半轴的长度
        ### 非线性参数
        - IE：信息熵
        - BE：基本尺度熵
        - SE：样本熵
        # 免责说明
        本程序发布的目的是希望它将是有用的，并“按原样”提供给您，但没有任何保证，甚至没有隐含的适销性或适用于特定目的的保证。本程序不适用于医学诊断。我们明确否认任何责任对于任何直接、间接、间接、附带的或特殊的损害,包括但不限于收入损失、利润损失、业务中断或数据丢失带来的损失,无论形式的行动或法律理论下的责任可能断言,即使建议等损失的可能性。
        
Platform: UNKNOWN
Classifier: Environment :: Web Environment
Classifier: Intended Audience :: Developers
Classifier: License :: OSI Approved :: MIT License
Classifier: Operating System :: MacOS
Classifier: Operating System :: Microsoft
Classifier: Operating System :: POSIX
Classifier: Operating System :: Unix
Classifier: Topic :: Software Development :: Libraries :: Python Modules
Classifier: Programming Language :: Python :: 3.5
Classifier: Programming Language :: Python :: 3.6
Classifier: Programming Language :: Python :: 3.7
Classifier: Programming Language :: Python :: 3.8
Classifier: Programming Language :: Python :: 3.9
Description-Content-Type: text/markdown
