Create app.py

app.py

@@ -0,0 +1,81 @@
+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.")