neurokit2
تحليل الإشارات الفسيولوجية الحيوية باستخدام NeuroKit2
متاح أيضًا من: K-Dense-AI
تتطلب معالجة الإشارات الفسيولوجية مثل ECG و EEG خوارزميات متخصصة للترشيح واكتشاف القمم واستخراج المعالم. توفر هذه المهارة وثائق شاملة وخطوط عمل لتحليل الإشارات العصبية والقلبية والأوعية الدموية باستخدام مكتبة Python الخاصة بـ NeuroKit2.
تنزيل ZIP المهارة
رفع في Claude
اذهب إلى Settings → Capabilities → Skills → Upload skill
فعّل وابدأ الاستخدام
اختبرها
استخدام "neurokit2". معالجة تسجيل ECG لمدة 5 دقائق لتحليل شامل لـ HRV
النتيجة المتوقعة:
- تم تنظيف ECG باستخدام مرشح Butterworth عالي المرور (0.5 Hz) + تصفية خط الطاقة
- تم اكتشاف قمم R باستخدام طريقة NeuroKit (متغير Pan-Tompkins)
- تم تطبيق تصحيح القمامات: تم اكتشاف 3 ضربات شاذة وتصحيحها
- مجال وقت HRV: SDNN=45ms، RMSSD=32ms، pNN50=15%
- مجال تردد HRV: VLF=1200ms²، LF=980ms²، HF=650ms²، نسبة LF/HF=1.51
- غير خطي HRV: SD1=23ms، SD2=58ms، DFA_alpha1=0.85، SampleEn=1.42
- تقييم الجودة: 98% من ضربات القلب اجتازت حد الجودة
استخدام "neurokit2". تحليل ECG وEDA والتنفس المتزامنة أثناء اختبار الإجهاد
النتيجة المتوقعة:
- ECG: معدل ضربات القلب زاد من 72 إلى 98 BPM أثناء مرحلة الإجهاد
- EDA: تم اكتشاف استجابات طورية عند سعة قمة 3.2 μS
- التنفس: معدل التنفس زاد من 14 إلى 22 نفس/دقيقة
- RSA (تسرع الجيوب الأنفية التنفسي) انخفض بنسبة 45% أثناء الإجهاد
- نسبة HRV LF/HF زادت من 1.2 إلى 3.8 (تنشيط الودي)
- مرحلة الاستعادة: عادت المعايير إلى خط الأساس خلال 4 دقائق
التدقيق الأمني
آمنThis skill is a pure documentation wrapper for the NeuroKit2 Python library containing only markdown reference files. The static scanner flagged 1149 false positives by misidentifying Python code examples in markdown code blocks as shell commands, scientific terminology (entropy, complexity, LF/HF bands) as cryptographic algorithms, and HRV metrics (C1d, C2d) as C2 malware indicators. No executable code, scripts, network calls, or file system operations exist in this skill. The previous audit correctly classified this as safe.
عوامل الخطر
⚙️ الأوامر الخارجية (1054)
🌐 الوصول إلى الشبكة (5)
درجة الجودة
ماذا يمكنك بناءه
دراسات العواطف متعددة الأنماط
حلل معدل ضربات القلب والتوصيل الكهربائي الجلدي وEMG الوجهي أثناء المنبهات العاطفية لدراسة استجابات الجهاز العصبي اللاإرادي.
تحليل نشاط الدماغ EEG
احسب قوة نطاق التردد واستخرج تسلسلات الحالات الدقيقة وحلل ديناميكيا الدماغ أثناء المهام المعرفية.
تقييم HRV القلبي
احسب مقاييس شاملة لتغير معدل ضربات القلب لتقييم الوظيفة اللاإرادية في السكان السريريين.
جرّب هذه الموجهات
ساعدني في معالجة إشارة ECG لتحليل تغير معدل ضربات القلب. لدي إشارة مأخوذة بـ 1000 Hz. أرني خط الأنابيب الكامل بما في ذلك التنظيف واكتشاف قمة R وحساب مقاييس HRV في مجالات الوقت والتردد وغير الخطية.
لدي تسجيلات ECG وتنفس وEDA متزامنة. أرني كيفية معالجة جميع الإشارات معًا باستخدام دالة bio_process واستخراج الميزات المتكاملة مثل تسرع الجيوب الأنفية التنفسي.
أحتاج إلى تحليل الاستجابات الفسيولوجية المتزامنة مع الأحداث المثيرة. أرني كيفية اكتشاف الأحداث وإنشاء حقب حولها واستخراج المعالم المتعلقة بالأحداث لإشارات ECG وEDA.
ساعدني في إجراء تحليل حالات EEG الدقيقة على بيانات الراحة. يتضمن المعالجة المسبقة وتحديد العدد الأمثل من الحالات والتجزئة وحساب ديناميكيات الانتقال.
أفضل الممارسات
- استخدم معدلات أخذ عينات مناسبة: ECG/EEG ≥250 Hz، EDA ≥20 Hz، PPG ≥50 Hz
- طبق تصحيح القمامات قبل اكتشاف القمم لتحسين الموثوقية
- بلغ عن مدة التسجيل حيث تختلف المتطلبات الدنيا حسب نوع التحليل
تجنب
- استخدام تسجيلات قصيرة (<60 ثانية) لتحليل HRV في مجال التردد
- تخطي تقييم جودة الإشارة قبل حساب المقاييس
- تجاهل_checks واقعية فسيولوجية على القمم المكتشفة