목표
이 미니프로젝트/튜토리얼의 목표는 최소한의 구성 요소를 사용하여 매우 간단한 HR 모니터와 스크롤 ECG 디스플레이를 만드는 것입니다.

요구사항:

• 파이썬
• 오디오 인터페이스
• 1/4인치 케이블/기타 케이블/악기 케이블(오디오 인터페이스를 통해 컴퓨터에 연결하기만 하면 됨)

빠른 배경

심장 근육은 전기 신호를 생성합니다. 이러한 신호 중 일부는 피부 표면에서 감지할 수 있습니다.

표면 전극을 사용하여 이러한 신호를 포착할 수 있습니다. 문제는 이것이 피부에 나타나는 유일한 전기 신호가 아니라는 것입니다. 다행히도 우리가 보고 싶은 대부분의 신호는 1~40Hz 정도에 국한되어 있습니다.

프로세스

전극 역할을 할 1/4인치 케이블을 심장 근처 피부에 꽂습니다. 그런 다음 USB 오디오 인터페이스를 사용하여 아날로그 신호를 증폭하고 디지털로 변환합니다. . 마지막으로 Python으로 필터링하고 표시합니다.

단계

1단계: 1/4" 케이블은 슬리브와 팁의 두 부분으로 구성됩니다. 두 부분 모두 피부에 닿아야 합니다. 손으로 슬리브를 잡고 으깨기만 하면 됩니다. 가슴/상부 흉곽의 왼쪽(일부 케이블에는 더 많은 채널이 있을 수 있습니다. 시작하려면 모두 연결되어 있는지 확인하세요.) 오디오 인터페이스의 게인을 조정합니다(저는 끝까지 올립니다).

2단계: 아래 코드를 실행하세요. input_device_index 라인이 오디오 인터페이스를 가리키는지 확인하세요. 우리가 하고 있는 일은 들어오는 오디오의 청크를 가져와 fft를 사용하여 주파수 영역으로 변환하고 모든 불필요한 주파수를 0으로 설정한 다음 다시 시간 영역으로 변환하는 것입니다. 다음으로 HR을 계산하기 위한 최고점을 찾은 다음 스크롤하는 방식으로 그래프를 작성합니다.

numpy를 np로 가져오기 paudio를 pa로 가져오기 구조체 가져오기 matplotlib.pyplot을 plt로 가져오기 scipy.signal import decimate, find_peaks에서 청크 = 4410 #.1초 형식 = pa.paInt16 채널 = 1 RATE = 44100 #(Hz) fstep = 속도/청크 p = pa.PyAudio() 값 = [] dsf=44 #다운샘플 팩터 rds=RATE/dsf #다운 샘플링 속도 스트림 = p.open( 형식 = 형식, 채널 = 채널, 요율 = 요율, input_device_index=3, #입력에 따라 조정 입력=참, 프레임당_버퍼=청크 ) #그래프 설정 그림,ax = plt.subplots(1) x = np.arange(0,2*CHUNK,2) 라인, = ax.plot(x, np.random.rand(CHUNK)) ax.set_ylim(-100,100) ax.set_xlim(0,2500) 텍스트 = ax.text(0.05, 0.95, str(0), 변환=ax.transAxes, 글꼴 크기=14, 수직 정렬='상단') fig.show() def getFiltered(x,hp=1,lp=41): # 불필요한 주파수를 0으로 설정합니다. fft=np.fft.fft(x) hptrim=len(fft)/RATE*hp lptrim=len(fft)/RATE*lp fft[int(lptrim):-int(lptrim)]=0 fft[0:int(hptrim)]=0 np.real(np.fft.ifft(fft)) 반환 def getHR(x): pdis = int(0.6 * rds) # 피크 사이의 최소 거리. 빠른 트리거링을 중지합니다. 최대 시간도 제한되므로 조정하세요. 피크, _ = find_peaks(x, 거리=pdis, 높이=0.1) 간격 = np.diff(peaks)/rds #(초) 시간 = 60 / 간격 #(BPM) 반환 피크, 라운드(np.mean(hr),0) #피크,평균 시간 동안 1: 데이터 = stream.read(청크) dataInt = struct.unpack(str(CHUNK) 'h', 데이터) filtered=getFiltered(dataInt) #filter(전체 청크로 작업) dsed=decimate(filtered, 44) #down 샘플(청크를 ds 청크로 전환) value=np.concatenate((values,dsed)) # 청크를 배열에 넣습니다. peaks,hr = getHR(values*-1) # 최고점을 구하고 평균 HR을 결정합니다. text.set_text(str(시간)) line.set_xdata(np.arange(len(값))) line.set_ydata(values*-10) #음수는 내 설정에 거꾸로 들어 있다는 것입니다. *10은 단지 재미를 위한 것입니다 ax.set_xlim(max(0,len(values)-2500),len(values)) # 그래프 스크롤 유지 vlines = ax.vlines(peaks,ymin=-100,ymax=100,colors='red', linestyles='dashed') # 정점에 몇 개의 선을 표시합니다. fig.canvas.draw() fig.canvas.flush_events() vlines.remove() if len(values)>10000: # 배열의 크기를 관리할 수 있게 유지하고 그래프가 꽤 스크롤되도록 합니다. 값=값[5000:] #5초 @ ~1000 sr.

import numpy as np 
import pyaudio as pa 
import struct 
import matplotlib.pyplot as plt 
from scipy.signal import decimate, find_peaks

CHUNK = 4410 #.1 second
FORMAT = pa.paInt16
CHANNELS = 1
RATE = 44100 # in Hz
fstep = RATE/CHUNK
p = pa.PyAudio()

values = []
dsf=44 #down sample factor
rds=RATE/dsf #down sampled rate

stream = p.open(
    format = FORMAT,
    channels = CHANNELS,
    rate = RATE,
    input_device_index=3, #adjust based on input
    input=True,
    frames_per_buffer=CHUNK
)

#set up graph
fig,ax = plt.subplots(1)
x = np.arange(0,2*CHUNK,2)
line, = ax.plot(x, np.random.rand(CHUNK))
ax.set_ylim(-100,100) 
ax.set_xlim(0,2500) 
text = ax.text(0.05, 0.95, str(0), transform=ax.transAxes, fontsize=14,
       verticalalignment='top')
fig.show()

def getFiltered(x,hp=1,lp=41): #this sets the unneeded freqs to 0

    fft=np.fft.fft(x)
    hptrim=len(fft)/RATE*hp
    lptrim=len(fft)/RATE*lp
    fft[int(lptrim):-int(lptrim)]=0 
    fft[0:int(hptrim)]=0 
    return np.real(np.fft.ifft(fft))

def getHR(x): 

    pdis = int(0.6 * rds) #minimum distance between peaks. stops rapid triggering. also caps max hr, so adjust
    peaks, _ = find_peaks(x, distance=pdis, height=0.1)
    intervals = np.diff(peaks)/rds # in seconds
    hr = 60 / intervals # in BPM
    return peaks,round(np.mean(hr),0) #peaks,avg hr

while 1:
    data = stream.read(CHUNK)
    dataInt = struct.unpack(str(CHUNK)   'h', data)

    filtered=getFiltered(dataInt) #filter (working with full chunk)
    dsed=decimate(filtered, 44) #down sample (turns chunk into ds chunk)
    values=np.concatenate((values,dsed)) #puts the chunks into an array
    peaks,hr = getHR(values*-1) # gets the peaks and determins avg HR. 

    text.set_text(str(hr))
    line.set_xdata(np.arange(len(values))) 
    line.set_ydata(values*-10) #the negative is bc it comes in upside down with my set up. the *10 is just for fun
    ax.set_xlim(max(0,len(values)-2500),len(values)) #keep the graph scrolling
    vlines = ax.vlines(peaks,ymin=-100,ymax=100,colors='red', linestyles='dashed') # pop some lines at the peaks 

    fig.canvas.draw()
    fig.canvas.flush_events()
    vlines.remove()

    if len(values)>10000: #keeps the array managably sized, and graph scrolling pretty
        values=values[5000:] #5 seconds @ ~1000 sr.

메모 케이블을 가만히 잡으십시오. 정확한 심박수를 얻으려면 움직임 후 몇 초 정도 기다려야 할 수도 있습니다. Garmin 시계와 비교하여 확인한 결과 지속적으로 비슷한 값이 반환되었습니다.

산출

부인 성명 기술적으로
신체를 회로의 일부로 만들고 있다는 점을 명심하세요. 케이블은 벽면 전원 콘센트에 연결된 컴퓨터에 연결된 인터페이스에 연결되어 있습니다... 이 작업에 따른 책임은 사용자에게 있습니다. 저는 전문가는 아닙니다. 단지 물건을 가지고 노는 것을 좋아하고 공유하고 싶었을 뿐입니다.

다음 단계 이 방법은 ECG 신호의 모든 다른 부분을 명확하게 보는 데는 실제로 잘 작동하지 않습니다. 전극이 너무 긁혀서 최소한의 필터링만 했습니다.

또한 EMG와 같은 작은 신호를 감지하는 데도 효과적이지 않습니다.

여기에서 소프트웨어 측면을 더 깊이 파고들어 추가 필터를 사용해 보거나 실제 회로를 만들고 실제 전극을 사용할 수 있습니다. 이러한 유형의 전극 봉지는 Amazon에서 꽤 저렴합니다(주의하세요. 접착제가 짜증스럽습니다). 회로의 경우 몇 가지 다른 구성을 시도했습니다. 나에게 가장 간단하고 가장 효과적이라고 생각한 것은 JFET opamp(브레드보드에 함께 배치)를 사용하는 간단한 계측 증폭기 회로였습니다. 전극 3개, 어디에 놓을지 도표를 찾아보세요. ADC용 오디오 인터페이스를 사용하는 경우 여기에 있는 코드는 3전극 브레드보드 설정에서 작동해야 합니다(게인을 조정해야 할 수도 있음)

왜 이 미니 프로젝트의 영감은 기타 케이블을 잡고 DAW의 EQ 플러그인을 가지고 놀면서 나왔습니다.