neurokit2
Обработка биосигналов с помощью NeuroKit2
Также доступно от: davila7
Анализируйте физиологические сигналы, включая ЭКГ, ЭЭГ, ЭДА и ЭМГ, для исследовательских и клинических применений. NeuroKit2 предоставляет унифицированный инструментарий Python для обработки данных сердечно-сосудистой, нервной и вегетативной нервной системы с комплексными инструментами визуализации и анализа.
Скачать ZIP навыка
Загрузить в Claude
Перейдите в Settings → Capabilities → Skills → Upload skill
Включите и начните использовать
Протестировать
Использование «neurokit2». Process this ECG signal to extract HRV metrics
Ожидаемый результат:
- R-пики обнаружены с постоянными интервалами со средней частотой сердечных сокращений 68 уд/мин
- ВСР во временной области: SDNN=45 мс, RMSSD=32 мс, pNN20=18%
- ВСР в частотной области: ОНЧ=320 мс², НЧ=410 мс², ВЧ=280 мс², отношение НЧ/ВЧ=1.46
- Оценка качества сигнала: Хорошее - минимальное загрязнение артефактами
Использование «neurokit2». Analyze EEG data for cognitive experiment
Ожидаемый результат:
- Альфа-мощность доминирует в задних электродах (8-12 Гц)
- Тета-мощность повышена в лобных областях во время выполнения задачи
- Вызванный потенциал: компонент N200 виден через 280 мс после стимула
- Сегментация микросостояний: идентифицировано 4 доминирующих микросостояния
Аудит безопасности
БезопасноThis 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.
Факторы риска
⚙️ Внешние команды (1054)
🌐 Доступ к сети (5)
Оценка качества
Что вы можете построить
Когнитивные исследования ЭЭГ
Анализируйте паттерны мозговой активности для когнитивных исследований, исследуя частотные диапазоны и вызванные ответы.
Оценка сердечного здоровья
Обрабатывайте сигналы ЭКГ для извлечения показателей вариабельности сердечного ритма для оценки вегетативной нервной системы.
Измерение стрессовой реакции
Комбинируйте анализ ЭДА и ЭКГ для оценки симпатической активации во время психологических задач.
Попробуйте эти промпты
Используйте NeuroKit2 для обработки этого сигнала ЭКГ. Обнаружьте R-пики, рассчитайте частоту сердечных сокращений и предоставьте анализ ВСР, включая показатели во временной и частотной области.
Обрабатывайте сигналы ЭКГ и ЭДА вместе. Очистите сигналы, извлеките соответствующие признаки и предоставьте комбинированный анализ сердечной и электродермальной активности.
Проанализируйте эти данные ЭЭГ на мощность в частотных диапазонах дельта, тета, альфа, бета и гамма. Сообщите относительное распределение мощности по каналам.
Вычислите показатели сложности для этого физиологического сигнала. Включите приблизительную энтропию, выборочную энтропию и анализ фрактальной размерности (DFA).
Лучшие практики
- Всегда указывайте правильный параметр sampling_rate для точных вычислений во временной области
- Используйте режим анализа, связанного с событиями, для экспериментов менее 10 секунд, связанного с интервалами - для более длительных записей
- Применяйте оценку качества сигнала перед анализом для выявления и обработки артефактов
Избегать
- Не анализируйте сигналы без знания частоты дискретизации - результаты будут бессмысленными
- Избегайте смешивания сигналов с разной частотой дискретизации в bio_process() без передискретизации
- Не полагайтесь исключительно на автоматическое обнаружение пиков без визуальной проверки результатов
Часто задаваемые вопросы
What signals does NeuroKit2 support?
How do I install NeuroKit2?
What is the difference between event-related and interval-related analysis?
Can I process multiple signals together?
Does NeuroKit2 handle artifact removal?
What visualization capabilities are available?
Сведения для разработчиков
Автор
K-Dense-AIЛицензия
MIT license
Репозиторий
https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/neurokit2Ссылка
main