在步态期间读取和处理来自腰椎传感器的原始垂直加速度测量数据；计算临床步态特征。
gaitp的Python项目详细描述
收益
在步态期间，读取并处理来自下背部传感器的原始垂直加速度测量数据；计算临床步态特征。在
概述
GaitPy提供python函数，从一个安装在腰部的传感器读取加速度测量数据，并估计临床情况 步态特征。在
- 装置位置：下背部/腰部
- 传感方式：加速计
- 数据：垂直加速度传感器
- 最小采样率：50Hz
安装
GaitPy与MacOSX、Windows和Linux上的pythonv3.6兼容，可以通过Anaconda获得。在
通过Python安装（推荐）：
安装了Anaconda之后，打开一个终端窗口，并使用以下命令创建一个新环境。在
conda create --name my_env python=3.6
然后，在Mac和Linux上使用以下命令激活您的环境。在
^{pr2}$对于Windows，请使用以下命令。在
activate my_env
最后，要安装GaitPy，请使用以下命令。在
conda install gaitpy
或者，您可以通过pip安装：
pip install gaitpy
您也可以从源安装GaitPy:
git clone https://github.com/matt002/gaitpy
cd ~/gaitpy
python setup.py install
基本用途
GaitPy由以下3个功能组成：
- 分类回合：如果您的数据由步态和非步态数据组成，请首先运行classify_-Butts函数 对步态进行分类。如果您的数据只是在步态期间，则不需要使用此功能。在
- 提取特征：从数据和估计中提取初始接触（IC）和最终接触（FC）事件 各种时间和空间步态特征。在
- 绘制联系人：在原始加速计信号旁边绘制关于检测和IC/FC事件的结果。在
GaitPy接受一个csv文件或pandas数据帧，其中包含一个包含unix时间戳的列和一个包含 来自腰部传感器的垂直加速度。GaitPy默认会做出三个假设：
- 然而，时间戳和垂直加速度列分别被标记为“时间戳”和“y” 这可以分别使用“v_acc_col_name”和“ts_col_name”参数进行更改。在
- 时间戳以Unix毫秒为单位，数据以米/秒为单位，但是可以更改 分别使用'ts'u units'和'v'u acc_units'参数。在
- 基线垂直加速度数据为-9.8m/s^2或-1g。如果基线数据为+9.8m/s^2或+1g，请设置“翻转” 论证为真。在
此外，还必须提供设备的采样率（至少50赫兹）和被摄体的高度。在
{2019年捷克语和}关于这些输入的更多细节可以在^ uAl和^ uts中找到
from gaitpy.gait import Gaitpy raw_data='raw-data-path or pandas dataframe'sample_rate=128# hertzsubject_height=170# centimeters#### Create an instance of Gaitpy ####gaitpy= Gaitpy(raw_data, # Raw data consisting of vertical acceleration from lumbar location and unix timestamps sample_rate, # Sample rate of raw data (in Hertz)v_acc_col_name='y', # Vertical acceleration column namets_col_name='timestamps', # Timestamp column namev_acc_units='m/s^2', # Units of vertical accelerationts_units='ms', # Units of timestampsflip=False)# If baseline data is at +1g or +9.8m/s^2, set flip=True#### Classify bouts of gait - Optional (use if your data consists of gait and non-gait periods)####gait_bouts= gaitpy.classify_bouts(result_file='/my/folder/classified_gait.h5')# File to save results to (None by default)#### Extract gait characteristics ####gait_features= gaitpy.extract_features(subject_height, # Subject heightsubject_height_units='centimeter', # Units of subject heightresult_file='/my/folder/gait_features.csv', # File to save results to (None by default)classified_gait=gait_bouts)# Pandas Dataframe or .h5 file results of classify_bouts function (None by default)#### Plot results of gait feature extraction #### gaitpy.plot_contacts(gait_features, # Pandas Dataframe or .csv file results of extract_features functionresult_file='/my/folder/plot_contacts.html)', # File to save results to (None by default)show_plot=True)# Specify whether to display plot upon completion (True by default)
运行演示程序
提供的演示文件允许您测试GaitPy是否在您的系统上输出预期的结果。在
您可以直接从终端窗口运行演示：
cd gaitpy/demo
python demo.py
您也可以通过python解释器运行演示。在终端窗口中，键入以下命令启动python：
python
在“解释器”窗口中，您可以使用以下两个命令导入并运行演示：
from gaitpy.demo import demo
demo.run_demo()演示脚本将提示您输入结果目录。运行后，结果将保存在提供的 结果目录（将保存少于250kB的数据）。运行演示程序应该不到一分钟，但是 可能因机器而异。在
对项目的贡献
请为这个项目出力！有关详细信息，请参阅CONTRIBUTING.md文件。在
致谢
辉瑞公司（Pfizer）支持这一数字成像包的开发。在
作者
马修捷克语
许可证
GaitPy在麻省理工学院的执照下
- 项目
标签：
欢迎加入QQ群-->： 979659372
