Update app.py

app.py

@@ -15,9 +15,7 @@ pose = mp_pose.Pose(static_image_mode=False, min_detection_confidence=0.7, model
 # ===========================
 # دوال مساعدة
 # ===========================
-def _dist(p1, p2):
-    return math.hypot(p1[0]-p2[0], p1[1]-p2[1])
-
+def _dist(p1, p2): return math.hypot(p1[0]-p2[0], p1[1]-p2[1])
 def _angle(a, b, c):
     try:
         a, b, c = np.array(a), np.array(b), np.array(c)
@@ -62,26 +60,21 @@ def analyze_gait(video_file):
     L_angle, R_angle = [], []
     L_step, R_step = [], []
     base_widths = []
-    step_events_L, step_events_R = 0, 0
     prev_L_ank, prev_R_ank = None, None
     frames_processed, person_detected = 0, False
     ground_y = H * 0.92
 
     while cap.isOpened() and frames_processed < min(1000, total_frames or 1000):
         ret, frame = cap.read()
-        if not ret:
-            break
+        if not ret: break
         frames_processed += 1
         frame_rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
         res = pose.process(frame_rgb)
-        if not res.pose_landmarks:
-            continue
+        if not res.pose_landmarks: continue
 
         person_detected = True
         lm = res.pose_landmarks.landmark
-
-        def xy(idx):
-            return [lm[idx].x * W, lm[idx].y * H]
+        def xy(idx): return [lm[idx].x * W, lm[idx].y * H]
 
         L_ank = xy(mp_pose.PoseLandmark.LEFT_ANKLE.value)
         R_ank = xy(mp_pose.PoseLandmark.RIGHT_ANKLE.value)
@@ -89,47 +82,34 @@ def analyze_gait(video_file):
         R_knee = xy(mp_pose.PoseLandmark.RIGHT_KNEE.value)
         L_foot = xy(mp_pose.PoseLandmark.LEFT_FOOT_INDEX.value)
         R_foot = xy(mp_pose.PoseLandmark.RIGHT_FOOT_INDEX.value)
-        L_hip = xy(mp_pose.PoseLandmark.LEFT_HIP.value)
-        R_hip = xy(mp_pose.PoseLandmark.RIGHT_HIP.value)
 
-        # ارتفاع القدم
+        # الارتفاع بالسنتيمتر
         Lc = max(0, (ground_y - min(L_ank[1], L_foot[1])) * px2m * 100)
         Rc = max(0, (ground_y - min(R_ank[1], R_foot[1])) * px2m * 100)
         L_clear.append(Lc); R_clear.append(Rc)
 
-        # زاوية الكاحل والركبة والورك
+        # زاوية الكاحل
         La = _angle(L_knee, L_ank, L_foot)
         Ra = _angle(R_knee, R_ank, R_foot)
-        Lk = _angle(L_hip, L_knee, L_ank)
-        Rk = _angle(R_hip, R_knee, R_ank)
-        L_angle.append(La + Lk / 2)
-        R_angle.append(Ra + Rk / 2)
+        L_angle.append(La); R_angle.append(Ra)
 
-        # تباعد القدمين
         base_widths.append(abs(L_ank[0]-R_ank[0]) * px2m)
 
-        # طول الخطوة
         if prev_L_ank is not None:
-            d = _dist(L_ank, prev_L_ank) * px2m
-            L_step.append(d)
-            if d > 0.03: step_events_L += 1
+            L_step.append(_dist(L_ank, prev_L_ank) * px2m)
         if prev_R_ank is not None:
-            d = _dist(R_ank, prev_R_ank) * px2m
-            R_step.append(d)
-            if d > 0.03: step_events_R += 1
+            R_step.append(_dist(R_ank, prev_R_ank) * px2m)
         prev_L_ank, prev_R_ank = L_ank, R_ank
 
     cap.release()
-    try:
-        os.unlink(video_path)
-    except:
-        pass
+    try: os.unlink(video_path)
+    except: pass
 
     if not person_detected:
         return "<div>❌ لم يتم اكتشاف شخص في الفيديو.</div>", None
 
     # ===========================
-    # الإحصاءات الأساسية
+    # إحصاءات أساسية
     # ===========================
     avg_Lc, avg_Rc = _safe_mean(L_clear), _safe_mean(R_clear)
     std_Lc, std_Rc = _safe_std(L_clear), _safe_std(R_clear)
@@ -137,96 +117,84 @@ def analyze_gait(video_file):
     avg_Lstep, avg_Rstep = _safe_mean(L_step), _safe_mean(R_step)
     avg_base = _safe_mean(base_widths)
     duration_s = (frames_processed / fps) if fps > 0 else frames_processed / 30
-    total_steps = (step_events_L + step_events_R) / 2
-    cadence = (total_steps / duration_s) * 60 if duration_s > 0 else 0
+    cadence = ((len(L_step) + len(R_step)) / 2) / duration_s * 60 if duration_s > 0 else 0
 
     # ===========================
-    # تحليل شامل بدرجات متعددة
+    # ملامح الأنماط العصبية
     # ===========================
-    score = 0.0
-    features = {}
-
-    # اختلاف الزوايا بين الجانبين
     diff_angle = abs(avg_La - avg_Ra)
-    features["angle_diff"] = diff_angle
-    score += 1.0 if diff_angle > 15 else 0.5 if diff_angle > 10 else 0
-
-    # تذبذب الارتفاع
+    diff_clear = abs(avg_Lc - avg_Rc)
     var_clear = max(std_Lc, std_Rc)
-    features["stability"] = var_clear
-    score += 1.5 if var_clear > 10 else 0.5 if var_clear > 6 else 0
-
-    # طول الخطوة
-    avg_step = (avg_Lstep + avg_Rstep) / 2
-    features["step_length"] = avg_step
-    score += 1.5 if avg_step < 0.16 else 0.5 if avg_step < 0.22 else 0
-
-    # عرض القاعدة
-    features["base_width"] = avg_base
-    score += 1.5 if avg_base > 0.30 else 0.5 if avg_base > 0.25 else 0
-
-    # معدل الخطوات
-    features["cadence"] = cadence
-    score += 1.5 if cadence < 55 else 0.5 if cadence < 65 else 0
-
-    # الارتفاع الأدنى للقدم
     min_clear = min(avg_Lc, avg_Rc)
-    features["min_clearance"] = min_clear
-    score += 1.5 if min_clear < 4 else 0.5 if min_clear < 6 else 0
-
-    # فرق الاتساع الجانبي
-    asym_clear = abs(avg_Lc - avg_Rc)
-    features["clearance_asym"] = asym_clear
-    score += 1.0 if asym_clear > 5 else 0.5 if asym_clear > 3 else 0
+    avg_step = (avg_Lstep + avg_Rstep) / 2
 
-    # زاوية الركبة (ميلها)
-    knee_sym = abs(L_angle[-1] - R_angle[-1]) if L_angle and R_angle else 0
-    score += 1.0 if knee_sym > 10 else 0
+    # ==== تحديد الحالة المحتملة ====
+    foot_drop_like = (min_clear < 4 and diff_angle < 30)
+    neuropathy_like = (var_clear > 10 and diff_angle > 15 and cadence < 70)
+    charcot_like = (avg_base > 0.28 and var_clear > 8 and diff_angle > 10)
+
+    # ==== حساب درجة الخطورة الكلية ====
+    score = 0
+    score += 2.5 if foot_drop_like else 0
+    score += 2.0 if neuropathy_like else 0
+    score += 2.5 if charcot_like else 0
+    score += 1.0 if avg_step < 0.18 else 0
+    score += 0.5 if cadence < 60 else 0
+    score += 1.0 if diff_clear > 5 else 0
+    score += 0.5 if var_clear > 7 else 0
 
     # تجاهل المشي الطليعي المنتظم
-    if avg_Lc > 10 and avg_Rc > 10 and var_clear < 5 and diff_angle < 12:
+    if avg_Lc > 10 and avg_Rc > 10 and var_clear < 5:
         return (
             "<div style='color:#2e7d32;font-weight:600'>✅ المشية طليعية طبيعية.</div>"
-            "<div>تم التعرف على نمط مشية طليعية منتظمة دون مؤشرات لخلل.</div>"
-            "<div style='font-size:13px;color:#555;margin-top:8px'>⚠️ يوصى فقط بالمتابعة الدورية في حال وجود ألم أو اختلال توازن.</div>",
-            1.0
+            "<div>تم التعرف على مشية طليعية مستقرة دون مؤشرات لخلل عصبي.</div>"
+            "<div style='font-size:13px;color:#555;margin-top:8px'>⚠️ المتابعة فقط عند وجود ألم أو خلل توازن.</div>", 
+            0.1
         )
 
-    # ===========================
-    # التقييم النهائي
-    # ===========================
-    max_score = 10.0
-    norm_score = min(score / max_score, 1.0)
+    # ==== تقييم الحالة ====
+    norm_score = min(score / 8, 1.0)
 
-    if norm_score < 0.3:
-        level, color, desc = "🟢 طبيعي", "#2e7d32", "المشية ضمن الحدود الطبيعية."
+    if norm_score < 0.35:
+        level, color, desc = "🟢 طبيعي", "#2e7d32", "المشية ضمن النطاق الطبيعي."
     elif norm_score < 0.6:
-        level, color, desc = "🟡 متوسطة الخطورة", "#f9a825", "بعض الاختلافات الطفيفة، يُفضّل المراقبة فقط."
+        level, color, desc = "🟡 متوسطة الخطورة", "#fbc02d", "هناك بعض الاختلافات الطفيفة فقط."
+    else:
+        level, color, desc = "🔴 عالية الخطورة", "#c62828", "تم رصد مؤشرات قوية لخلل في المشية."
+
+    # نوع الحالة المرجّحة
+    if charcot_like:
+        condition = "قدم شاركوت (Charcot Foot)"
+    elif foot_drop_like:
+        condition = "ضعف العضلة الظنبوبية (Foot Drop)"
+    elif neuropathy_like:
+        condition = "اعتلال الأعصاب المحيطية / السكري"
     else:
-        level, color, desc = "🔴 غير طبيعية", "#c62828", "مؤشرات واضحة لخلل في المشية تتطلب مراجعة طبية."
+        condition = "غير محددة بدقة"
 
     html = f"""
     <div style='color:{color};font-weight:700;font-size:18px'>{level}</div>
-    <div>درجة الخطورة الكلية: <b>{score:.1f}/10</b></div>
+    <div>🩺 الحالة المحتملة: <b>{condition}</b></div>
+    <div>📊 درجة الخطورة: <b>{score:.1f}/8</b></div>
     <div>{desc}</div>
-    <div style='font-size:13px;color:#555;margin-top:8px'>⚠️ يعتمد التحليل على الفيديو فقط ولا يُغني عن الفحص الطبي المتخصص.</div>
+    <div style='font-size:13px;color:#555;margin-top:8px'>⚠️ هذا تحليل مبدئي يعتمد على نمط المشي فقط ولا يُغني عن التشخيص الطبي.</div>
     """
     return html, norm_score
 
 # ===========================
 # واجهة Gradio
 # ===========================
-with gr.Blocks(title="تحليل المشية العصبية - الإصدار الذكي") as demo:
-    gr.Markdown("## 🩺 نظام تحليل المشية العصبية (الإصدار الذكي)")
-    gr.Markdown("ارفع فيديو جانبي للمشي (15–30 ثانية) وسيقدّم النظام تقييمًا تدريجيًا للحالة المحتملة.")
+with gr.Blocks(title="تحليل المشية العصبية - الإصدار المتوازن") as demo:
+    gr.Markdown("## 🩺 نظام تحليل المشية العصبية (الإصدار المتوازن)")
+    gr.Markdown("ارفع فيديو جانبي للمشي (15–30 ثانية) وسيقوم النظام بتصنيف الحالة مع درجة الخطورة.")
 
     with gr.Row():
         with gr.Column(scale=1):
             video_in = gr.File(label="📂 اختر فيديو المشي", file_types=[".mp4", ".avi", ".mov"], type="binary")
             analyze_btn = gr.Button("🔍 بدء التحليل", variant="primary")
         with gr.Column(scale=1):
-            gauge = gr.Number(label="⚙️ مقياس الخطورة (0-1)", interactive=False)
-            out_html = gr.HTML("<i>ستظهر النتيجة هنا بعد التحليل...</i>")
+            gauge = gr.Number(label="⚙️ درجة الخطورة (0-1)", interactive=False)
+            out_html = gr.HTML("<i>النتيجة ستظهر هنا...</i>")
 
     analyze_btn.click(fn=analyze_gait, inputs=[video_in], outputs=[out_html, gauge])