Update app.py

app.py

@@ -6,15 +6,9 @@ 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)
 
-# ===========================
-# دوال مساعدة
-# ===========================
 def _dist(p1, p2): return math.hypot(p1[0]-p2[0], p1[1]-p2[1])
 def _angle(a, b, c):
     try:
@@ -29,9 +23,6 @@ def _angle(a, b, c):
 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
 
-# ===========================
-# التحليل الرئيسي للفيديو
-# ===========================
 def analyze_gait(video_file):
     if video_file is None:
         return "<div>❌ يرجى رفع فيديو أولًا.</div>", None
@@ -55,11 +46,7 @@ def analyze_gait(video_file):
     H = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT) or 480)
     px2m = 1.7 / (H * 0.8)
 
-    # القوائم للقياسات
-    L_clear, R_clear = [], []
-    L_angle, R_angle = [], []
-    L_step, R_step = [], []
-    base_widths = []
+    L_clear, R_clear, L_angle, R_angle, base_widths = [], [], [], [], []
     prev_L_ank, prev_R_ank = None, None
     frames_processed, person_detected = 0, False
     ground_y = H * 0.92
@@ -83,24 +70,17 @@ def analyze_gait(video_file):
         L_foot = xy(mp_pose.PoseLandmark.LEFT_FOOT_INDEX.value)
         R_foot = xy(mp_pose.PoseLandmark.RIGHT_FOOT_INDEX.value)
 
-        # 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)
+        L_clear.append(Lc)
+        R_clear.append(Rc)
 
-        # زاوية 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)
         base_widths.append(abs(L_ank[0]-R_ank[0]) * px2m)
 
-        if prev_L_ank is not None:
-            L_step.append(_dist(L_ank, prev_L_ank) * px2m)
-        if prev_R_ank is not None:
-            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
@@ -108,66 +88,69 @@ def analyze_gait(video_file):
     if not person_detected:
         return "<div>❌ لم يتم اكتشاف شخص في الفيديو.</div>", None
 
-    # ===========================
-    # إحصاءات أساسية
-    # ===========================
+    # ======== التحليل الإحصائي والديناميكي ========
     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_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
-    cadence = ((len(L_step) + len(R_step)) / 2) / duration_s * 60 if duration_s > 0 else 0
-
-    # ===========================
-    # ملامح الأنماط العصبية
-    # ===========================
     diff_angle = abs(avg_La - avg_Ra)
     diff_clear = abs(avg_Lc - avg_Rc)
     var_clear = max(std_Lc, std_Rc)
     min_clear = min(avg_Lc, avg_Rc)
-    avg_step = (avg_Lstep + avg_Rstep) / 2
 
-    # ==== 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)
+    # نسب زمنية لأنماط غير طبيعية
+    L_low_ratio = sum(np.array(L_clear) < 4) / len(L_clear) if L_clear else 0
+    R_low_ratio = sum(np.array(R_clear) < 4) / len(R_clear) if R_clear else 0
+    dynamic_asym = np.mean(np.abs(np.array(L_clear) - np.array(R_clear))) if L_clear and R_clear else 0
 
-    # ==== حساب درجة الخطورة الكلية ====
+    # ======== خوارزمية التصنيف متعددة المعايير ========
     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
+
+    # حساسية أعلى للحالات العصبية
+    if (L_low_ratio > 0.4 or R_low_ratio > 0.4) and min_clear < 3.5:
+        score += 3.0  # Foot drop قوي
+
+    if diff_angle > 20 and var_clear > 9:
+        score += 2.5  # Neuropathy قوي
+
+    if avg_base > 0.27 and var_clear > 7 and diff_angle > 10:
+        score += 2.5  # Charcot قوي
+
+    if dynamic_asym > 5 and var_clear > 8:
+        score += 1.5
+
+    if diff_clear > 6:
+        score += 1.0
+
+    if std_Lc > 10 or std_Rc > 10:
+        score += 0.5
 
     # تجاهل المشي الطليعي المنتظم
     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 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>", 
+            "<div>تم التعرف على مشية طليعية منتظمة دون مؤشرات لخلل عصبي.</div>"
+            "<div style='font-size:13px;color:#555;margin-top:8px'>⚠️ يُوصى بالمراجعة فقط في حال وجود ألم أو ضعف توازن.</div>",
             0.1
         )
 
-    # ==== تقييم الحالة ====
-    norm_score = min(score / 8, 1.0)
+    # ======== تحليل الحالة النهائية ========
+    max_score = 9.0
+    norm_score = min(score / max_score, 1.0)
 
-    if norm_score < 0.35:
+    if norm_score < 0.3:
         level, color, desc = "🟢 طبيعي", "#2e7d32", "المشية ضمن النطاق الطبيعي."
-    elif norm_score < 0.6:
-        level, color, desc = "🟡 متوسطة الخطورة", "#fbc02d", "هناك بعض الاختلافات الطفيفة فقط."
+    elif norm_score < 0.55:
+        level, color, desc = "🟡 متوسطة الخطورة", "#fbc02d", "بعض الاختلافات الطفيفة."
     else:
         level, color, desc = "🔴 عالية الخطورة", "#c62828", "تم رصد مؤشرات قوية لخلل في المشية."
 
-    # نوع الحالة المرجّحة
-    if charcot_like:
+    # تحديد الحالة المحتملة
+    if score >= 6 and avg_base > 0.27:
         condition = "قدم شاركوت (Charcot Foot)"
-    elif foot_drop_like:
+    elif (L_low_ratio > 0.4 or R_low_ratio > 0.4):
         condition = "ضعف العضلة الظنبوبية (Foot Drop)"
-    elif neuropathy_like:
+    elif diff_angle > 20 and var_clear > 9:
         condition = "اعتلال الأعصاب المحيطية / السكري"
     else:
         condition = "غير محددة بدقة"
@@ -175,25 +158,23 @@ def analyze_gait(video_file):
     html = f"""
     <div style='color:{color};font-weight:700;font-size:18px'>{level}</div>
     <div>🩺 الحالة المحتملة: <b>{condition}</b></div>
-    <div>📊 درجة الخطورة: <b>{score:.1f}/8</b></div>
+    <div>📊 درجة الخطورة: <b>{score:.1f}/9</b></div>
     <div>{desc}</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>
+    <div style='font-size:13px;color:#555;margin-top:8px'>⚠️ التحليل يعتمد على الأنماط الديناميكية في الفيديو ولا يُغني عن الفحص الطبي.</div>
     """
     return html, norm_score
 
-# ===========================
-# واجهة Gradio
-# ===========================
-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.Blocks(title="تحليل المشية العصبية - الإصدار الخامس") as demo:
+    gr.Markdown("## 🩺 نظام تحليل المشية العصبية (v5) – توازن بين الحساسية والدقة")
+    gr.Markdown("ارفع فيديو جانبي للمشي (15–30 ثانية). النظام سيقيّم النمط العصبي بدقة عالية.")
 
     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="⚙️ درجة الخطورة (0-1)", interactive=False)
+            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])