帕金森氏病工具包
pdkit的Python项目详细描述
PDKIT
安装说明
常规安装
$ pip install pdkit
或
$ pip install git+git://github.com/pdkit/pdkit.git
用于“可编辑”安装
$ pip install -e git://github.com/pdkit/pdkit.git#egg=pdkit
用于开发安装
$ git clone https://github.com/pdkit/pdkit.git
$ pip install -r requirements.txt
$ pip install .
震颤处理器
如何使用pdkit计算震颤振幅和频率的示例:
>>> import pdkit >>> tp = pdkit.TremorProcessor() >>> ts = pdkit.TremorTimeSeries().load(filename) >>> amplitude, frequency = tp.amplitude(ts)
其中,filename是要加载的数据路径,默认为cloudupdrs格式。
pdkit还可以读取mpower格式的数据,就像:
>>> ts = pdkit.TremorTimeSeries().load(filename, 'mpower')
其中,filename是要以mpower格式加载的数据路径。
要计算Welch,作为使用快速傅里叶变换的可靠替代,请使用like:
>>> amplitude, frequency = tp.amplitude(ts, 'welch')
这个类还提供了一个名为extract_features的方法 提取Tremor Processor中可用的所有功能。
>>> tp.extract_features(ts)
运动迟缓
>>> import pdkit >>> ts = pdkit.TremorTimeSeries().load(filename) >>> tp = pdkit.TremorProcessor(lower_frequency=0.0, upper_frequency=4.0) >>> amplitude, frequency = tp.bradykinesia(ts)
步态
示例如何使用pdkit计算各种步态特征:
>>> import pdkit >>> ts = pdkit.GaitTimeSeries().load(filename) >>> gp = pdkit.GaitProcessor() >>> freeze_times, freeze_indexes, locomotion_freezes = gp.freeze_of_gait(ts) >>> frequency_of_peaks = gp.frequency_of_peaks(ts) >>> speed_of_gait = gp.speed_of_gait(ts) >>> step_regularity, stride_regularity, walk_symmetry = gp.walk_regularity_symmetry(ts)
其中,filename是要加载的数据路径,默认为cloudupdrs格式。
手指敲击
示例如何使用pdkit计算手指敲击测试的平均交替距离:
>>> import pdkit >>> ts = pdkit.FingerTappingTimeSeries().load(filename) >>> ftp = pdkit.FingerTappingProcessor() >>> ftp.mean_alnt_target_distance(ts)
动觉评分(按键次数)
>>> ftp.kinesia_scores(ts)
测试结果集
pdkit可用于提取单个文件夹中不同测量(即震颤、手指敲击)的所有特征。结果 是一个数据框,其中测量值是行,列是提取的特征。
>>> import pdkit >>> testResultSet = pdkit.TestResultSet(folderpath) >>> testResultSet.process()
其中folderpath是具有不同度量值的相对文件夹。对于cloudupdrs,有以下测量值 文件夹/tests/data。生成的包含所有已处理功能的数据帧保存在testresultset.features中
我们还可以将数据帧写入如下输出文件:
>>> testResultSet.write_output(dataframe, name)
updrs
pdkit可以计算给定testresultset的updrs分数。
>>> import pdkit >>> updrs = pdkit.UPDRS(data_frame)
updrs分数可以写入文件。您可以传递文件名和输出格式
>>> updrs.write_model(filename='scores', output_format='csv')
对训练过的knn聚类进行新的度量。
>>> updrs.score(measurement)
从文件中读取testresultset数据。有关详细信息,请参阅TestResultSet类。
>>> updrs = pdkit.UPDRS(data_frame_file_path=file_path_to_testResultSet_file)
临床updrs
pdkit使用临床数据计算实现k近邻投票的分类器。
>>> import pdkit >>> clinical_UPDRS = pdkit.Clinical_UPDRS(labels_file_path, data_frame)
其中labels_file_path是临床数据文件的路径,data_frame是testresultset的结果。
对训练过的knn聚类进行新的度量。
>>> clinical_UPDRS.predict(measurement)
从文件中读取testresultset数据。有关详细信息,请参阅TestResultSet类。
>>> clinical_UPDRS = pdkit.Clinical_UPDRS(labels_file_path, data_frame_file_path=file_path_to_testResultSet_file)