neurokit2
معالجة الإشارات الحيوية باستخدام NeuroKit2
متاح أيضًا من: davila7
حلّل الإشارات الفسيولوجية بما في ذلك ECG وEEG وEDA وEMG لأغراض البحث والتطبيقات السريرية. يوفّر NeuroKit2 مجموعة أدوات Python موحّدة لمعالجة بيانات القلب والأعصاب والجهاز العصبي الذاتي مع أدوات شاملة للتصوّر والتحليل.
تنزيل ZIP المهارة
رفع في Claude
اذهب إلى Settings → Capabilities → Skills → Upload skill
فعّل وابدأ الاستخدام
اختبرها
استخدام "neurokit2". Process this ECG signal to extract HRV metrics
النتيجة المتوقعة:
- تم كشف قمم R بفواصل منتظمة مع متوسط معدل ضربات قلب 68 BPM
- تغاير معدل القلب في المجال الزمني: SDNN=45ms، RMSSD=32ms، pNN20=18%
- تغاير معدل القلب في المجال الترددي: VLF=320ms²، LF=410ms²، HF=280ms²، نسبة LF/HF=1.46
- تقييم جودة الإشارة: جيد - تلوث ضئيل بالعيوب
استخدام "neurokit2". Analyze EEG data for cognitive experiment
النتيجة المتوقعة:
- هيمنة قوة ألفا في الأقطاب الخلفية (8-12 Hz)
- زيادة قوة ثيتا في المناطق الجبهية أثناء أداء المهمة
- الجهد المرتبط بالحدث: مكوّن N200 مرئي عند 280ms بعد المنبه
- تقسيم الميكروستيت: تم تحديد 4 ميكروستيت سائدة
التدقيق الأمني
آمنThis skill contains documentation for the NeuroKit2 Python library including code examples and API references. All 1152 static findings are false positives triggered by markdown documentation patterns: Python code blocks flagged as shell commands, academic DOIs flagged as cryptographic algorithms, and scientific terminology flagged as C2 indicators. No actual security risks exist - this is legitimate scientific documentation.
عوامل الخطر
⚙️ الأوامر الخارجية (1054)
🌐 الوصول إلى الشبكة (5)
درجة الجودة
ماذا يمكنك بناءه
بحوث EEG الإدراكية
تحليل أنماط نشاط الدماغ للدراسات الإدراكية مع فحص نطاقات التردد والاستجابات المرتبطة بالحدث.
تقييم صحة القلب
معالجة إشارات ECG لاستخراج مقاييس تغاير معدل القلب لتقييم الجهاز العصبي الذاتي.
قياس استجابة الضغط النفسي
دمج تحليل EDA وECG لتقييم تنشيط الجهاز الودي أثناء المهام النفسية.
جرّب هذه الموجهات
Use NeuroKit2 to process this ECG signal. Detect R-peaks, calculate heart rate, and provide HRV analysis including time and frequency domain metrics.
Process both ECG and EDA signals together. Clean the signals, extract relevant features, and provide a combined analysis of cardiac and electrodermal activity.
Analyze this EEG data for power in delta, theta, alpha, beta, and gamma frequency bands. Report relative power distribution across channels.
Compute complexity measures for this physiological signal. Include approximate entropy, sample entropy, and fractal dimension (DFA) analysis.
أفضل الممارسات
- احرص دائمًا على تحديد قيمة sampling_rate الصحيحة لحسابات المجال الزمني بدقة
- استخدم وضع التحليل المرتبط بالحدث للتجارب الأقل من 10 ثوانٍ، والتحليل المرتبط بالفواصل للتسجيلات الأطول
- طبّق تقييم جودة الإشارة قبل التحليل لتحديد العيوب ومعالجتها
تجنب
- لا تحلل الإشارات دون معرفة معدل أخذ العينات - ستكون النتائج بلا معنى
- تجنب خلط إشارات بمعدلات أخذ عينات مختلفة في bio_process() دون إعادة أخذ عينات
- لا تعتمد حصريًا على الكشف الآلي للقمم دون فحص بصري للنتائج
الأسئلة المتكررة
ما الإشارات التي يدعمها NeuroKit2؟
كيف أقوم بتثبيت NeuroKit2؟
ما الفرق بين التحليل المرتبط بالحدث والتحليل المرتبط بالفواصل؟
هل يمكنني معالجة عدة إشارات معًا؟
هل يتعامل NeuroKit2 مع إزالة العيوب؟
ما إمكانات التصوّر المتاحة؟
تفاصيل المطور
المؤلف
K-Dense-AIالترخيص
MIT license
المستودع
https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/neurokit2مرجع
main