Spaces:
Sleeping
Sleeping
File size: 3,436 Bytes
eeca5d2 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 |
import streamlit as st
import numpy as np
import matplotlib.pyplot as plt
# Título do aplicativo
st.title("Processador de Sinais ECG")
st.subheader("Carregue um arquivo de sinal ECG para análise e processamento.")
# Carregar o arquivo de sinal ECG
uploaded_file = st.file_uploader("Envie o arquivo de sinal ECG (formato CSV)", type=["csv"])
if uploaded_file is not None:
# Carregar os dados do arquivo
data = np.loadtxt(uploaded_file, delimiter=',')
time = np.arange(len(data)) # Eixo do tempo baseado na quantidade de amostras
# Exibir o sinal original
st.subheader("Sinal ECG Original")
fig, ax = plt.subplots()
ax.plot(time, data)
ax.set_title("Sinal ECG")
ax.set_xlabel("Tempo")
ax.set_ylabel("Amplitude")
st.pyplot(fig)
# Opções de processamento
st.sidebar.header("Opções de Processamento")
process_option = st.sidebar.selectbox("Escolha o processamento:",
["Filtragem (Passa-Baixa)",
"Detecção de Picos (R-peaks)",
"Normalização"])
if process_option == "Filtragem (Passa-Baixa)":
# Aplicar filtragem simples (média móvel)
window_size = st.sidebar.slider("Tamanho da Janela", min_value=3, max_value=101, step=2, value=11)
filtered_signal = np.convolve(data, np.ones(window_size)/window_size, mode='valid')
st.subheader("Sinal Filtrado")
fig, ax = plt.subplots()
ax.plot(time[:len(filtered_signal)], filtered_signal)
ax.set_title("Sinal Filtrado")
ax.set_xlabel("Tempo")
ax.set_ylabel("Amplitude")
st.pyplot(fig)
elif process_option == "Detecção de Picos (R-peaks)":
# Detecção simples de picos
threshold = st.sidebar.slider("Limiar de Detecção", min_value=0.1, max_value=float(np.max(data)), step=0.1, value=0.5)
peaks = [i for i in range(1, len(data)-1) if data[i-1] < data[i] > data[i+1] and data[i] > threshold]
st.subheader("Sinal com Detecção de Picos")
fig, ax = plt.subplots()
ax.plot(time, data)
ax.plot(peaks, data[peaks], 'ro') # Marcar os picos detectados
ax.set_title("Detecção de Picos")
ax.set_xlabel("Tempo")
ax.set_ylabel("Amplitude")
st.pyplot(fig)
elif process_option == "Normalização":
# Normalizar o sinal para a faixa [0, 1]
normalized_signal = (data - np.min(data)) / (np.max(data) - np.min(data))
st.subheader("Sinal Normalizado")
fig, ax = plt.subplots()
ax.plot(time, normalized_signal)
ax.set_title("Sinal Normalizado")
ax.set_xlabel("Tempo")
ax.set_ylabel("Amplitude Normalizada")
st.pyplot(fig)
# Botão para salvar o resultado
if st.button("Salvar Sinal Processado"):
result_path = "sinal_processado.csv"
if process_option == "Filtragem (Passa-Baixa)":
np.savetxt(result_path, filtered_signal, delimiter=',')
elif process_option == "Detecção de Picos (R-peaks)":
np.savetxt(result_path, peaks, delimiter=',')
elif process_option == "Normalização":
np.savetxt(result_path, normalized_signal, delimiter=',')
st.success(f"Sinal processado salvo como {result_path}")
else:
st.info("Por favor, envie um arquivo de sinal ECG para começar.")
|