Spaces:
Sleeping
Sleeping
| 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.") | |