Update app.py

app.py

@@ -6,9 +6,6 @@ import tempfile
 import os
 import math
 
-# ===========================
-# إعداد Mediapipe Pose
-# ===========================
 mp_pose = mp.solutions.pose
 pose = mp_pose.Pose(static_image_mode=False, min_detection_confidence=0.7, model_complexity=1)
 
@@ -32,16 +29,13 @@ def _safe_mean(x): return float(np.mean(x)) if x else 0.0
 def _safe_std(x):  return float(np.std(x))  if x else 0.0
 
 def _gauge_html(norm_score):
-    # norm_score بين 0 و 1
     pct = int(max(0, min(1, norm_score)) * 100)
-    # تدرّج أخضر→أصفر→أحمر
+    color = "#4caf50" if pct < 35 else "#fbc02d" if pct < 65 else "#c62828"
     bar = f"""
     <div style="width:100%;background:#eee;border-radius:10px;height:16px;overflow:hidden;border:1px solid #ddd;">
-      <div style="width:{pct}%;height:100%;
-                  background: linear-gradient(90deg,#4caf50,#ffeb3b,#f44336);
-                  filter: saturate(1.2);"></div>
+      <div style="width:{pct}%;height:100%;background:{color};transition:width 1s;"></div>
     </div>
-    <div style="font-size:12px;color:#555;margin-top:6px">Risk: {pct}%</div>
+    <div style="font-size:12px;color:#555;margin-top:6px">درجة الخطورة: {pct}%</div>
     """
     return bar
 
@@ -69,48 +63,32 @@ def analyze_gait(video_file):
     fps = float(cap.get(cv2.CAP_PROP_FPS) or 30.0)
     W = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH) or 640)
     H = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT) or 480)
-
-    # تقدير تحويل بيكسل→متر (تقريبي حسب الطول 1.7م و 80% من الارتفاع إطار)
     px2m = 1.7 / (H * 0.8)
 
-    # قوائم القياسات عبر الإطارات
+    # قياسات الحركة
     L_clear, R_clear = [], []
     L_angle, R_angle = [], []
-    base_px_seq, base_m_seq = [], []
-    torso_tilt_seq = []  # ميل الجذع (درجات) بالنسبة للمحور الرأسي
-    step_L, step_R = [], []
+    base_px_seq = []
+    torso_tilt_seq = []
 
-    # كواشف زمنية (نِسَب)
-    low_clear_flags_L, low_clear_flags_R = 0, 0
-    asym_clear_flags = 0
-    lean_flags = 0
-
-    # مرجعية أرض
     ground_y = H * 0.92
-
-    # لحساب طول الخطوة تقريبياً
-    prev_L_ank, prev_R_ank = None, None
-
-    frames_processed, person_detected = 0, False
+    frames_processed = 0
+    person_detected = False
 
     while cap.isOpened() and frames_processed < min(1200, total_frames or 1200):
         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]
 
-        # نقاط مهمة
         L_ank = xy(mp_pose.PoseLandmark.LEFT_ANKLE.value)
         R_ank = xy(mp_pose.PoseLandmark.RIGHT_ANKLE.value)
         L_knee = xy(mp_pose.PoseLandmark.LEFT_KNEE.value)
@@ -122,155 +100,134 @@ def analyze_gait(video_file):
         L_sh   = xy(mp_pose.PoseLandmark.LEFT_SHOULDER.value)
         R_sh   = xy(mp_pose.PoseLandmark.RIGHT_SHOULDER.value)
 
-        # ارتفاع القدم بالسنتيمتر (أقرب نقطة من الكاحل/مقدمة القدم للأرض)
+        # ارتفاع القدم
         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)
+        L_clear.append(Lc)
+        R_clear.append(Rc)
 
         # زوايا الكاحل
         La = _angle(L_knee, L_ank, L_foot)
         Ra = _angle(R_knee, R_ank, R_foot)
-        L_angle.append(La); R_angle.append(Ra)
+        L_angle.append(La)
+        R_angle.append(Ra)
 
-        # مسافة تباعد الكاحلين (بالبكسل والمتر)
-        base_px = abs(L_ank[0] - R_ank[0])
-        base_px_seq.append(base_px)
-        base_m_seq.append(base_px * px2m)
+        # قاعدة القدمين
+        base_px_seq.append(abs(L_ank[0] - R_ank[0]))
 
-        # ميل الجذع: زاوية (منتصف الكتفين → منتصف الوركين) مقابل الرأسي
+        # ميل الجذع
         mid_sh = [(L_sh[0]+R_sh[0])/2, (L_sh[1]+R_sh[1])/2]
         mid_hip= [(L_hip[0]+R_hip[0])/2, (L_hip[1]+R_hip[1])/2]
-        vec = np.array([mid_sh[0]-mid_hip[0], mid_sh[1]-mid_hip[1]])  # من الحوض للأكتاف
-        # زاوية مع المحور الرأسي (0 = عمودي مثالي)
+        vec = np.array([mid_sh[0]-mid_hip[0], mid_sh[1]-mid_hip[1]])
         tilt = abs(90 - abs(math.degrees(math.atan2(abs(vec[1]), abs(vec[0])+1e-6))))
         torso_tilt_seq.append(tilt)
 
-        # تقدير طول الخطوة (تقريبي) من حركة الكاحل إطارياً
-        if prev_L_ank is not None:
-            step_L.append(_dist(L_ank, prev_L_ank) * px2m)
-        if prev_R_ank is not None:
-            step_R.append(_dist(R_ank, prev_R_ank) * px2m)
-        prev_L_ank, prev_R_ank = L_ank, R_ank
-
-        # كواشف زمنية لكل إطار:
-        if Lc < 3.5: low_clear_flags_L += 1
-        if Rc < 3.5: low_clear_flags_R += 1
-        if abs(Lc - Rc) > 6.0: asym_clear_flags += 1
-        if tilt > 8.0: lean_flags += 1
-
     cap.release()
-    try:
-        os.unlink(video_path)
-    except:
-        pass
+    try: os.unlink(video_path)
+    except: pass
 
-    if not person_detected or frames_processed == 0:
-        return "<div>❌ لم يتم اكتشاف شخص في الفيديو. يُفضّل تصوير جانبي أو أمامي واضح وإضاءة جيدة.</div>", "<div></div>"
+    if not person_detected:
+        return "<div>❌ لم يتم اكتشاف شخص في الفيديو.</div>", "<div></div>"
 
     # ===========================
-    # إحصاءات أساسية
+    # الإحصاءات والتحليل
     # ===========================
     avg_Lc, avg_Rc = _safe_mean(L_clear), _safe_mean(R_clear)
     std_Lc, std_Rc = _safe_std(L_clear), _safe_std(R_clear)
     avg_La, avg_Ra = _safe_mean(L_angle), _safe_mean(R_angle)
-    avg_base_m = _safe_mean(base_m_seq)
+    avg_base_px = _safe_mean(base_px_seq)
     avg_tilt = _safe_mean(torso_tilt_seq)
+    var_clear = max(std_Lc, std_Rc)
+    diff_clear = abs(avg_Lc - avg_Rc)
+    diff_angle = abs(avg_La - avg_Ra)
 
-    # تقدير العرض النسبي لتحديد زاوية التصوير (أمامي/جانبي)
-    # إذا كانت المسافة الأفقية بين الكاحلين نسبةً إلى عرض الإطار كبيرة → غالبًا أمامي
-    view_ratio = _safe_mean(base_px_seq) / max(1, W)
-    view = "frontal" if view_ratio > 0.18 else "side"
-
-    # نسب زمنية (قوة دليل عبر الزمن)
-    n = max(1, len(L_clear))
-    ratio_low_L = low_clear_flags_L / n
-    ratio_low_R = low_clear_flags_R / n
-    ratio_asym   = asym_clear_flags / n
-    ratio_lean   = lean_flags / n
+    # تحديد زاوية التصوير (أغلبها أمامية)
+    view_ratio = avg_base_px / max(1, W)
+    view = "frontal" if view_ratio > 0.16 else "side"
 
     # ===========================
-    # منطق متعدد الشروط (متوازن)
+    # منطق التصنيف الجديد (أعلى دقة)
     # ===========================
-    score = 0.0
-    strong_votes = 0
-
-    # 1) Foot Drop-like: انخفاض مستمر + نسب زمنية عالية
-    foot_drop_evidence = (min(avg_Lc, avg_Rc) < 3.5) or (ratio_low_L > 0.35 or ratio_low_R > 0.35)
-    if view == "side":
-        if foot_drop_evidence and abs(avg_La - avg_Ra) < 35:
-            score += 3.0; strong_votes += 1
-        elif (ratio_low_L > 0.2 or ratio_low_R > 0.2):
-            score += 1.5
-
-    # 2) Neuropathy-like: تذبذب ارتفاع واضح + لا تماثل زاوٍي
-    var_clear = max(std_Lc, std_Rc)
-    diff_angle = abs(avg_La - avg_Ra)
-    if (var_clear > 9 and diff_angle > 16) or (ratio_asym > 0.25 and var_clear > 7):
-        score += 2.5; strong_votes += 1
-    elif (var_clear > 7 and diff_angle > 12):
+    score = 0
+    strong_flags = 0
+
+    # Foot Drop
+    if min(avg_Lc, avg_Rc) < 3.5 or (var_clear > 9 and diff_angle < 20):
+        score += 3
+        strong_flags += 1
+
+    # Neuropathy
+    if (var_clear > 8 and diff_angle > 15) or diff_clear > 6:
+        score += 2.5
+        strong_flags += 1
+
+    # Charcot
+    if avg_base_px * px2m > 0.28 and avg_tilt > 9:
+        score += 3
+        strong_flags += 1
+
+    # ميل الجذع الواضح
+    if avg_tilt > 12:
         score += 1.5
 
-    # 3) Charcot-like: قاعدة عريضة + ميل جذع/عدم اتزان (أكثر منطقية في الأمامي)
+    # زيادة الوزن للحالات الأمامية لأنها أكثر حساسية للانحراف
     if view == "frontal":
-        if (avg_base_m > 0.28 and ratio_lean > 0.25) or (avg_base_m > 0.30):
-            score += 3.0; strong_votes += 1
-        elif avg_base_m > 0.25 and ratio_lean > 0.15:
-            score += 1.5
-    else:
-        # من الجانب: نعتمد أكثر على عدم التماثل الزمني
-        if ratio_asym > 0.35 and var_clear > 8:
-            score += 2.5; strong_votes += 1
-
-    # 4) ميل الجذع المستمر (واضح سريريًا)
-    if ratio_lean > 0.35 or avg_tilt > 10:
-        score += 1.5
+        score *= 1.2
 
-    # 5) اختلاف الارتفاع بين القدمين (متوسط)
-    if abs(avg_Lc - avg_Rc) > 6:
-        score += 1.0
-
-    # 6) فلاتر السماح بالمشي الطليعي المنتظم (Toe-walking) دون تصنيف مرضي
-    if (avg_Lc > 10 and avg_Rc > 10) and (var_clear < 5) and (ratio_asym < 0.15) and (ratio_lean < 0.15):
-        html = (
-            "<div style='color:#2e7d32;font-weight:600'>✅ المشية طليعية منتظمة.</div>"
-            "<div>تم التعرف على نمط مشي طليعي مستقر دون مؤشرات عصبية مقلقة.</div>"
-            "<div style='font-size:13px;color:#555;margin-top:8px'>⚠️ يُوصى بالمراجعة فقط إذا وُجد ألم أو عدم اتزان.</div>"
-        )
-        return html, _gauge_html(0.1)
+    # تقييد الدرجة ضمن 0-10
+    score = min(score, 10)
+    norm_score = score / 10
 
     # ===========================
-    # تسوية متوازنة للحكم النهائي
-    # - إذا وُجدت مؤشرين قويين على الأقل → نرفع التصنيف
-    # - وإلا نستخدم الدرجة المعيارية
+    # التقييم النهائي + زر الحجز
     # ===========================
-    max_score = 10.0
-    norm_score = min(score / max_score, 1.0)
-
-    # عتبات متوازنة (لا مبالغة في التشدد ولا التساهل)
-    if (strong_votes >= 2) or (norm_score >= 0.7):
-        level, color, desc = "🔴 عالية الخطورة", "#c62828", "تم رصد مؤشرات قوية ومتعددة لخلل في المشية."
+    if norm_score >= 0.7 or strong_flags >= 2:
+        level, color, desc = "🔴 عالية الخطورة", "#c62828", "تم رصد مؤشرات قوية تستدعي مراجعة طبيب متخصص."
+        booking_html = """
+        <div style="margin-top:10px">
+          <a href="https://example.com/book" target="_blank"
+             style="background:#007bff;color:#fff;padding:10px 16px;border-radius:8px;
+                    text-decoration:none;font-weight:600;display:inline-block;">
+             احجز موعد مباشر (حضوري أو أونلاين)
+          </a>
+        </div>
+        """
     elif norm_score >= 0.45:
-        level, color, desc = "🟡 متوسطة الخطورة", "#f9a825", "تم رصد مؤشرات ملحوظة تحتاج متابعة."
+        level, color, desc = "🟡 متوسطة الخطورة", "#fbc02d", "مؤشرات تستدعي متابعة طبية وقائية."
+        booking_html = """
+        <div style="margin-top:10px">
+          <a href="https://example.com/book" target="_blank"
+             style="background:#fbc02d;color:#000;padding:10px 16px;border-radius:8px;
+                    text-decoration:none;font-weight:600;display:inline-block;">
+             احجز استشارة طبية
+          </a>
+        </div>
+        """
     else:
-        level, color, desc = "🟢 طبيعي", "#2e7d32", "المشية ضمن الحدود الطبيعية."
-
-    # ترجيح نوع الحالة
-    if (view == "frontal" and avg_base_m > 0.28 and ratio_lean > 0.25) or (avg_base_m > 0.30):
-        condition = "قدم شاركوت (Charcot Foot)"
-    elif foot_drop_evidence and view == "side":
-        condition = "ضعف العضلة الظنبوبية (Foot Drop)"
-    elif (var_clear > 9 and diff_angle > 16) or (ratio_asym > 0.25 and var_clear > 7):
-        condition = "اعتلال الأعصاب المحيطية / السكري"
+        level, color, desc = "🟢 طبيعية", "#2e7d32", "المشية ضمن النطاق الطبيعي."
+        booking_html = ""
+
+    # ترجيح الحالة
+    if score >= 7:
+        if avg_base_px * px2m > 0.28:
+            condition = "قدم شاركوت (Charcot Foot)"
+        elif diff_angle > 15:
+            condition = "اعتلال الأعصاب المحيطية / السكري"
+        else:
+            condition = "ضعف العضلة الظنبوبية (Foot Drop)"
+    elif score >= 4:
+        condition = "خلل بسيط غير محدد"
     else:
-        condition = "غير محددة بدقة"
+        condition = "لا توجد مؤشرات مرضية واضحة"
 
     html = f"""
     <div style='color:{color};font-weight:700;font-size:18px'>{level}</div>
-    <div>👁️ زاوية التصوير المُكتشفة: <b>{'أمامية' if view=='frontal' else 'جانبية'}</b></div>
+    <div>👁️ زاوية التصوير: <b>{'أمامية' if view=='frontal' else 'جانبية'}</b></div>
     <div>🩺 الحالة المحتملة: <b>{condition}</b></div>
-    <div>📊 درجة المؤشرات: <b>{score:.1f}/{max_score:.0f}</b></div>
+    <div>📊 درجة الخطورة: <b>{score:.1f}/10</b></div>
     <div>{desc}</div>
-    <div style='font-size:13px;color:#555;margin-top:8px'>⚠️ تحليل تقديري يعتمد على أنماط الحركة؛ لا يُغني عن التقييم الطبي.</div>
+    {booking_html}
+    <div style='font-size:13px;color:#555;margin-top:8px'>⚠️ هذا تحليل مبدئي يعتمد على الفيديو فقط ولا يُغني عن الفحص الطبي.</div>
     """
 
     return html, _gauge_html(norm_score)
@@ -278,9 +235,9 @@ def analyze_gait(video_file):
 # ===========================
 # واجهة Gradio
 # ===========================
-with gr.Blocks(title="تحليل المشية العصبية - v6 (متوازن مع كشف الزاوية)") as demo:
-    gr.Markdown("## 🩺 تحليل المشية العصبية – الإصدار v6")
-    gr.Markdown("يرجى رفع فيديو جانبي أو أمامي (15–30 ثانية). النظام يحدد زاوية التصوير تلقائيًا ويعرض تقييمًا متوازنًا مع شريط ألوان.")
+with gr.Blocks(title="تحليل المشية العصبية - v7 (نهائي ومحسّن)") as demo:
+    gr.Markdown("## 🩺 نظام تحليل المشية العصبية (الإصدار 7)")
+    gr.Markdown("🔹 التحليل مخصص للمقاطع الأمامية أو الجانبية (15–30 ثانية).<br>🔹 يظهر زر للحجز عند الحاجة إلى متابعة طبية.")
 
     with gr.Row():
         with gr.Column(scale=1):
@@ -288,7 +245,7 @@ with gr.Blocks(title="تحليل المشية العصبية - v6 (متوازن
             analyze_btn = gr.Button("🔍 بدء التحليل", variant="primary")
         with gr.Column(scale=1):
             gauge = gr.HTML("<div></div>")
-            out_html = gr.HTML("<i>النتيجة ستظهر هنا...</i>")
+            out_html = gr.HTML("<i>النتيجة ستظهر هنا بعد التحليل...</i>")
 
     analyze_btn.click(fn=analyze_gait, inputs=[video_in], outputs=[out_html, gauge])