Análise estatística de dataset de ECG real

Sobre

SensSmartTech database of cardiovascular signals synchronously recorded by an electrocardiograph, phonocardiograph, photoplethysmograph and accelerometer. Fonte: PhysioNet — https://physionet.org/content/senssmarttech/1.0.0/

Análise de um dataset real de ECG com 4 derivações. Inclui: exploração inicial, estatística descritiva via função reutilizável, visualização das 4 derivações em subplots, matriz de correlação, histograma de distribuição, regressão linear (tempo vs amplitude) e exportação dos resultados estatísticos em CSV.

Desenvolvido em Jupyter Notebook com Python, usando pandas, matplotlib, numpy e scipy.

Dados

O dataset não é versionado aqui (PhysioNet, baixar à parte). Pegar o arquivo CSV/11_18-48-54_ecg.csv em https://physionet.org/content/senssmarttech/1.0.0/ e colocá-lo em uma pasta data/ na raiz do projeto — é o caminho que o notebook espera (data/11_18-48-54_ecg.csv).

Como rodar

Instalar dependências:

• pandas
• matplotlib
• numpy
• scipy

Abrir o notebook ecg_analysis.ipynb no Jupyter e rodar as células em ordem.

Saídas geradas

• ecg_lead_I.png — sinal bruto do Lead I (~30s de gravação)
• ecg_4_derivacoes.png — subplots das 4 derivações (Lead I, Lead II, v3, v4)
• histograma_lead_I.png — distribuição da amplitude do Lead I
• stats_derivacoes.csv — média, mediana, desvio padrão e variância das 4 derivações

Limitações

• Sinal bruto sem filtro
• Um único arquivo de um paciente
• Regressão linear inadequada para sinal oscilatório (usada apenas como exercício)