NeuroKit2

Escopo e data de corte das evidências

Use esta funcionalidade para pesquisa de biossinais consciente de métodos e reproduzível com NeuroKit2. O snapshot foi verificado em 2026-10-01 contra:

• PyPI estável 0.2.13, lançado em 2026-03-02;
• Metadados do Python (>=3.10; classificadores 3.10–3.14) e dependências de wheel;
• Notas/tags de lançamento do GitHub, NEWS.rst, código-fonte na tag v0.2.13;
• Páginas/exemplos oficiais da API (o site ativo se identificou como 0.2.13.dev214); e
• Assinaturas de tempo de execução fixadas em 0.2.13 e esquemas de saída sintética.

O wheel atual requer pandas<3.0.0. As verificações principais atualizadas usam Python 3.13, NumPy 2.5.3 e pandas 2.3.3; forçar pandas 3 conflita com metadados upstream. Fragmentos de API abaixo assumem arrays e imports fornecidos pelo chamador. Caminhos opcionais de reconstrução de fonte MNE, cvxEDA, EMD e pyRQA são revisados quanto ao código-fonte, não validados em tempo de execução por esta atualização. Verificações sintéticas estabelecem o comportamento do software, não a validade empírica.

A documentação ativa pode estar à frente do wheel estável. Prefira o tempo de execução fixado para trabalho reproduzível e nomeie ambas as versões se consultar a documentação de desenvolvimento.

Limite

NeuroKit2 é uma caixa de ferramentas de pesquisa e educacional. Não apresente sua saída como:

• um diagnóstico, recomendação de tratamento, decisão de monitoramento de paciente ou alarme;
• validação, certificação ou evidência regulatória para um dispositivo médico; ou
• prova de que um construto fisiológico é medido validamente em um novo sensor, protocolo, ambiente, população ou grupo de doenças.

Valide hardware de aquisição, posicionamento de eletrodo/optodo, unidades, precisão de amostragem e relógio, pré-processamento, método de detecção/decomposição, população, tarefa e resultados para o estudo pretendido. Preserve os dados brutos e um log de exclusão auditável. Use apenas arquivos locais desidentificados; não coloque PHI em prompts, logs, exemplos ou fixtures empacotadas.

Instalação reproduzível

uv pip install "neurokit2==0.2.13"

Para recursos opcionais, crie um projeto uv, adicione apenas os pacotes realmente necessários em versões exatas revisadas e confirme/revise o uv.lock resultante antes uv sync --locked. NeuroKit2 expõe um extra full upstream, mas esta funcionalidade intencionalmente não instala esse conjunto transitivo flutuante em um fluxo de trabalho automatizado. Capacidades opcionais podem exigir MNE, cvxopt, Plotly, PyEMD, pyRQA, Pillow, OpenCV ou leitores de arquivo. Registre o ambiente resolvido com a análise. Forneça qualquer download de dados/template MNE como uma entrada de estudo explícita e com checksum. Não instale um branch de desenvolvimento em movimento para um estudo reproduzível.

Contrato de dados exigido

Antes do processamento, registre:

1. identidade do sinal e configuração do sensor/canal;
2. taxa de amostragem nativa em Hz e unidade física (ou explicitamente arbitrary_unit);
3. evidência de relógio, origem do timestamp, correção de drift e sincronização;
4. polaridade/orientação e filtros/ganho do lado da aquisição;
5. amostras ausentes, descontinuidades, saturação, linhas planas, movimento e anotações;
6. se os inícios de eventos são índices de amostra baseados em zero ou segundos;
7. ordem de pré-processamento planejada, métodos, parâmetros, exclusões e saídas; e
8. agrupamento em nível de participante necessário para evitar vazamento em estatísticas posteriores.

Nunca infira unidades de um nome de coluna. Não trate amostras silenciosamente como milissegundos, volts, microsiemens ou unidades arbitrárias.

Fluxo de trabalho principal

1. Inspecione antes de transformar

python skills/neurokit2/scripts/inspect_signal.py \
  --input recording.csv --root . --deidentified \
  --columns ECG,RSP,EDA --time-column time_s \
  --units ECG=mV,RSP=a.u.,EDA=uS

O inspetor é limitado e não emite valores de linha ou caminhos. Resolva tempo não monotônico, amostras duplicadas, lacunas, valores não finitos, execuções planas e desacordo de taxa de amostragem antes de filtrar.

2. Preserve a ordem do pré-processamento

Use esta ordem de raciocínio padrão, adaptando-a à aquisição e ao método citado:

1. preserve o sinal bruto imutável e as anotações;
2. verifique a base de tempo, unidades, polaridade, clipping, lacunas e artefatos;
3. segmente em lacunas longas; interpole apenas lacunas curtas sob uma política declarada;
4. aplique limpeza específica da modalidade na taxa de amostragem nativa;
5. detecte picos/inícios ou decomponha componentes;
6. inspecione saídas de qualidade e overlays brutos;
7. corrija picos apenas com categorias registradas e verificações de sensibilidade;
8. derive taxas/características;
9. alinhe modalidades contínuas em uma grade de tempo comum declarada; e
10. mapeie índices de eventos para essa grade, época, baseline e analise.

…