Цель
Цель этого мини-проекта/учебника — создать очень простой монитор ЧСС и прокручиваемый дисплей ЭКГ с минимальным количеством компонентов.

Требования:

• питон
• аудиоинтерфейс
• Кабель 1/4 дюйма/гитарный кабель/инструментальный кабель (его нужно просто подключить к компьютеру через аудиоинтерфейс)

Быстрая справка

Мышцы сердца создают электрические сигналы. Некоторые из этих сигналов можно обнаружить на поверхности кожи.

Мы можем улавливать эти сигналы с помощью поверхностных электродов. Проблема в том, что это не единственные электрические сигналы на коже. К счастью, большинство сигналов, которые мы хотим видеть, ограничены диапазоном 1–40 Гц.

Процесс

Мы возьмем кабель диаметром 1/4 дюйма, который будет действовать как электрод, и воткнем его в кожу в районе сердца. Затем мы воспользуемся аудиоинтерфейсом USB для усиления и преобразования аналогового сигнала в цифровой. Наконец, мы фильтруем и отображаем в Python

Шаги

Шаг 1: Кабель диаметром 1/4 дюйма состоит из двух частей: втулки и наконечника. Обе части должны соприкасаться с кожей — просто возьмите втулку рукой и прижмите ее к левую сторону груди/верхнюю часть грудной клетки (некоторые кабели могут иметь больше каналов, просто убедитесь, что все они имеют контакт, чтобы начать). Отрегулируйте усиление аудиоинтерфейса (я поворачиваю свой полностью вверх).

Шаг 2: Запустите приведенный ниже код. Убедитесь, что строка input_device_index указывает на ваш аудиоинтерфейс. Что мы делаем, так это берем фрагменты входящего звука, преобразуем их в частотную область с помощью FFT, устанавливаем все ненужные частоты на 0, а затем преобразуем обратно во временную область. Затем мы находим пики для расчета ЧСС, а затем строим график с прокруткой.

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.

Примечания
Держите трос неподвижно — возможно, вам придется подождать несколько секунд после движения, чтобы получить точные данные о частоте пульса. Я сверил их со своими часами Garmin, и они постоянно показывали схожие значения.

Выход

Отказ от ответственности
Имейте в виду, что технически вы делаете ваше тело частью контура. Кабель подключен к интерфейсу, который подключен к компьютеру, который подключен к сетевой розетке... Попробуйте это на свой страх и риск. Я не эксперт — мне просто нравится играться с вещами, и я хотел поделиться.

Дальнейшие шаги
Этот метод на самом деле не очень хорошо работает для четкого просмотра всех частей сигнала ЭКГ. Электрод сильно потерт, и я применил минимум фильтрации.

Он также не очень хорошо справляется с обнаружением более мелких сигналов, таких как ЭМГ.

Здесь вы можете копнуть глубже в программном обеспечении и поиграть с дополнительными фильтрами или создать реальную схему и использовать настоящие электроды. Пакет с электродами для подобных вещей на Amazon стоит довольно дешево (будьте осторожны, клей раздражает). Что касается схемы, я попробовал несколько различных конфигураций: самой простой/подходящей для меня оказалась простая схема инструментального усилителя с использованием операционного усилителя JFET (собранная на макетной плате). 3 электрода, просто посмотрите на схему, где их разместить. Если вы используете аудиоинтерфейс для АЦП, приведенный здесь код должен работать с настройкой трехэлектродного макета (возможно, придется отрегулировать усиление)

Почему
Вдохновение для этого мини-проекта пришло во время игры с плагином эквалайзера в DAW, держа в руках гитарный кабель.