Update app.py

app.py

@@ -2,17 +2,18 @@ import gradio as gr
 import cv2
 import numpy as np
 import mediapipe as mp
-import tempfile
-import os
-import math
+import tempfile, os, math
 
+# =========================
+# إعداد Mediapipe Pose
+# =========================
 mp_pose = mp.solutions.pose
 pose = mp_pose.Pose(static_image_mode=False, min_detection_confidence=0.75, model_complexity=2)
 
-# ===================================
+# =========================
 # دوال مساعدة
-# ===================================
-def _dist(p1, p2):
+# =========================
+def _dist(p1, p2): 
     return math.hypot(p1[0]-p2[0], p1[1]-p2[1])
 
 def _angle(a, b, c):
@@ -25,162 +26,221 @@ def _angle(a, b, c):
     except:
         return 0.0
 
-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 _safe_mean(x): return float(np.mean(x)) if len(x) else 0.0
+def _safe_std(x):  return float(np.std(x))  if len(x) else 0.0
+
+def _symmetry_index(a_mean, b_mean, eps=1e-6):
+    # Robinson/SI مبسّط: 2*(R-L)/(R+L) كنسبة مئوية
+    return 100.0 * (2.0 * (a_mean - b_mean) / (a_mean + b_mean + eps))
+
+def _symmetry_angle(a_mean, b_mean, eps=1e-6):
+    # Zifchock/SA مبسّطة: تحويل تماثل لنطاق زاوي
+    r = (a_mean + eps) / (b_mean + eps)
+    return abs(45.0 * (r - 1) / (r + 1))
+
+def _norm01(x, lo, hi):
+    return max(0.0, min(1.0, (x - lo) / (hi - lo + 1e-6)))
 
 def _gauge_html(norm_score):
     pct = int(max(0, min(1, norm_score)) * 100)
     color = "#4caf50" if pct < 35 else "#fbc02d" if pct < 65 else "#c62828"
-    bar = f"""
+    return f"""
     <div style="width:100%;background:#eee;border-radius:10px;height:16px;overflow:hidden;border:1px solid #ccc;">
-      <div style="width:{pct}%;height:100%;background:{color};transition:width 1s;"></div>
+      <div style="width:{pct}%;height:100%;background:{color};transition:width .8s;"></div>
     </div>
     <div style="font-size:12px;color:#555;margin-top:6px">درجة الخطورة: {pct}%</div>
     """
-    return bar
 
-# ===================================
+# =========================
 # التحليل الرئيسي
-# ===================================
+# =========================
 def analyze_gait(video_file):
     if video_file is None:
         return "<div>❌ يرجى رفع فيديو أولًا.</div>", "<div></div>"
 
+    # حفظ الفيديو مؤقتًا
     if hasattr(video_file, "name"):
         video_path = video_file.name
     else:
         tmp = tempfile.NamedTemporaryFile(delete=False, suffix=".mp4")
-        with open(tmp.name, "wb") as f:
-            f.write(video_file)
+        with open(tmp.name, "wb") as f: f.write(video_file)
         video_path = tmp.name
 
     cap = cv2.VideoCapture(video_path)
     if not cap.isOpened():
         return "<div>❌ لا يمكن فتح الفيديو.</div>", "<div></div>"
 
-    total_frames = int(cap.get(cv2.CAP_PROP_FRAME_COUNT) or 0)
     W = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH) or 640)
     H = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT) or 480)
-    px2m = 1.7 / (H * 0.8)
+    fps = float(cap.get(cv2.CAP_PROP_FPS) or 30.0)
+    px2m = 1.7 / (H * 0.8)  # تطبيع تقريبي للطول
     ground_y = H * 0.92
 
-    # قوائم القياسات
-    L_clear, R_clear, L_angle, R_angle = [], [], [], []
-    torso_tilt_seq, torso_side_seq = [], []
-    base_seq = []
+    # سلاسل زمنية
+    L_clear, R_clear = [], []
+    L_ang,   R_ang   = [], []
+    base_px_seq, torso_tilt_seq, torso_side_seq = [], [], []
+
+    # طاقة الحركة (للاستقرار العام)
     motion_energy = []
+    prev_gray = None
 
-    prev_frame = None
-    frames_processed = 0
-    person_detected = False
+    frames = 0
+    detected = False
 
-    while cap.isOpened() and frames_processed < min(1200, total_frames or 1200):
+    while cap.isOpened() and frames < 1400:
         ret, frame = cap.read()
         if not ret: break
-        frames_processed += 1
-        frame_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
-        if prev_frame is not None:
-            diff = cv2.absdiff(frame_gray, prev_frame)
-            motion_energy.append(np.sum(diff))
-        prev_frame = frame_gray
-
-        frame_rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
-        res = pose.process(frame_rgb)
-        if not res.pose_landmarks:
+        frames += 1
+
+        g = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
+        if prev_gray is not None:
+            diff = cv2.absdiff(g, prev_gray)
+            motion_energy.append(float(np.mean(diff)))
+        prev_gray = g
+
+        res = pose.process(cv2.cvtColor(frame, cv2.COLOR_BGR2RGB))
+        if not res.pose_landmarks: 
             continue
-        person_detected = True
+        detected = True
         lm = res.pose_landmarks.landmark
 
         def xy(i): return [lm[i].x*W, lm[i].y*H]
-        L_ank, R_ank = xy(27), xy(28)
-        L_knee, R_knee = xy(25), xy(26)
-        L_foot, R_foot = xy(31), xy(32)
-        L_hip, R_hip = xy(23), xy(24)
-        L_sh, R_sh = xy(11), xy(12)
-
-        # 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)
+
+        # نقاط حرجة (وفق Mediapipe Pose Landmarks)
+        L_ank, R_ank = xy( mp_pose.PoseLandmark.LEFT_ANKLE.value ),  xy( mp_pose.PoseLandmark.RIGHT_ANKLE.value )
+        L_foot,R_foot= xy( mp_pose.PoseLandmark.LEFT_FOOT_INDEX.value),xy( mp_pose.PoseLandmark.RIGHT_FOOT_INDEX.value)
+        L_knee,R_knee= xy( mp_pose.PoseLandmark.LEFT_KNEE.value ),    xy( mp_pose.PoseLandmark.RIGHT_KNEE.value )
+        L_hip, R_hip = xy( mp_pose.PoseLandmark.LEFT_HIP.value ),     xy( mp_pose.PoseLandmark.RIGHT_HIP.value )
+        L_sh,  R_sh  = xy( mp_pose.PoseLandmark.LEFT_SHOULDER.value ),xy( mp_pose.PoseLandmark.RIGHT_SHOULDER.value )
+
+        # ارتفاع القدم (سم): أقرب نقطة (كاحل/مقدمة القدم) إلى الأرض
+        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
-        L_angle.append(_angle(L_knee, L_ank, L_foot))
-        R_angle.append(_angle(R_knee, R_ank, R_foot))
+        La = _angle(L_knee, L_ank, L_foot)
+        Ra = _angle(R_knee, R_ank, R_foot)
+        L_ang.append(La); R_ang.append(Ra)
 
-        # ميل الجذع
+        # قاعدة القدمين (بكسل) + تقدير الميل
+        base_px_seq.append(abs(L_ank[0]-R_ank[0]))
         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]
-        tilt = abs(90 - abs(math.degrees(math.atan2(abs(mid_sh[1]-mid_hip[1]), abs(mid_sh[0]-mid_hip[0])+1e-6))))
+        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)
         torso_side_seq.append(mid_sh[0]-mid_hip[0])
-        base_seq.append(abs(L_ank[0]-R_ank[0]))
 
     cap.release()
     try: os.unlink(video_path)
     except: pass
 
-    if not person_detected:
-        return "<div>❌ لم يتم اكتشاف شخص في الفيديو. يرجى إعادة التصوير وفق التعليمات.</div>", "<div></div>"
+    if not detected or frames < 30:
+        return "<div>❌ لم يتم التقاط معالم كافية. يرجى إعادة التصوير وفق التعليمات أدناه.</div>", "<div></div>"
 
-    # ===================================
-    # التحليل المتقدم
-    # ===================================
+    # =========================
+    # 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)
-    avg_La, avg_Ra = _safe_mean(L_angle), _safe_mean(R_angle)
-    avg_tilt = _safe_mean(torso_tilt_seq)
-    side_lean = _safe_mean(torso_side_seq)
-    avg_base = _safe_mean(base_seq)
+    std_Lc, std_Rc = _safe_std(L_clear),  _safe_std(R_clear)
+    avg_La, avg_Ra = _safe_mean(L_ang),   _safe_mean(R_ang)
     var_clear = max(std_Lc, std_Rc)
-    diff_clear = abs(avg_Lc - avg_Rc)
-    diff_angle = abs(avg_La - avg_Ra)
-    motion_index = np.std(motion_energy)/np.mean(motion_energy) if motion_energy else 0
-
-    view = "frontal" if (avg_base/W) > 0.15 else "side"
-
-    # نسب زمنية
-    n = max(1, len(L_clear))
-    low_ratio_L = sum(np.array(L_clear)<3.5)/n
-    low_ratio_R = sum(np.array(R_clear)<3.5)/n
-
-    # ===================================
-    # منطق أكثر صرامة + وزن ديناميكي
-    # ===================================
-    score = 0
-    strong_flags = 0
-
-    # ضعف القدم
-    if (min(avg_Lc, avg_Rc)<3.5) or (low_ratio_L>0.45 or low_ratio_R>0.45):
-        score += 3.5; strong_flags += 1
-
-    # neuropathy
-    if (var_clear>8 and diff_angle>15) or (motion_index>0.25 and diff_clear>5):
-        score += 3; strong_flags += 1
-
-    # Charcot
-    if (avg_base*px2m>0.26 and avg_tilt>9):
-        score += 3.5; strong_flags += 1
-
-    # ميل الجذع الجانبي
-    if abs(side_lean) > W*0.03:
-        score += 1.5
-
-    score = min(score, 10)
-    norm_score = score/10
-
-    # تحديد الجانب المتضرر
-    if avg_Lc < avg_Rc-2.5 and avg_La < avg_Ra:
+    diff_clear= abs(avg_Lc - avg_Rc)
+    diff_angle= abs(avg_La - avg_Ra)
+    base_ratio= _safe_mean(base_px_seq)/max(1,W)
+    avg_tilt  = _safe_mean(torso_tilt_seq)
+    side_lean = _safe_mean(torso_side_seq)
+    motion_cv = (np.std(motion_energy)/ (np.mean(motion_energy)+1e-6)) if len(motion_energy) else 0.0
+
+    # عرض أمامي/جانبي (مع ترجيح للأمامي كما طلبتِ)
+    view = "frontal" if base_ratio > 0.15 else "side"
+
+    # =========================
+    # مؤشرات زمنية متقدمة
+    # =========================
+    Lc_arr = np.array(L_clear, dtype=float)
+    Rc_arr = np.array(R_clear, dtype=float)
+
+    # 1) نسبة زمن انخفاض الارتفاع لكل قدم
+    low_thr = 3.5  # سم
+    ratio_low_L = float(np.mean(Lc_arr < low_thr))
+    ratio_low_R = float(np.mean(Rc_arr < low_thr))
+
+    # 2) تأخر زمني بين القدمين (cross-correlation) كدليل Foot Drop
+    # نستخدم الإزاحة التي تعظم الارتباط بين L_clear و R_clear
+    def lag_cc(a, b, max_lag=15):
+        if len(a) < 5 or len(b) < 5: return 0
+        a = (a - np.mean(a)) / (np.std(a)+1e-6)
+        b = (b - np.mean(b)) / (np.std(b)+1e-6)
+        best_lag, best_cc = 0, -1
+        for lag in range(-max_lag, max_lag+1):
+            if lag < 0:
+                cc = np.mean(a[:lag] * b[-lag:])
+            elif lag > 0:
+                cc = np.mean(a[lag:] * b[:-lag])
+            else:
+                cc = np.mean(a * b)
+            if cc > best_cc:
+                best_cc, best_lag = cc, lag
+        return best_lag
+    lag = lag_cc(Lc_arr, Rc_arr, max_lag=round(0.3*fps))  # ~0.3 ثانية كحد أقصى
+
+    # 3) مؤشرات تماثل مبسّطة (SI/SA)
+    si_clear = abs(_symmetry_index(avg_Lc, avg_Rc))        # كلما ارتفع كانت لا تماثل أكبر
+    sa_angle = _symmetry_angle(avg_La, avg_Ra)
+
+    # 4) عدم استقرار الجذع (تذبذب)
+    torso_sway = _safe_std(torso_side_seq) / max(1.0, W)   # نسبي لعرض الإطار
+
+    # =========================
+    # تصنيف صارم ومتوازن
+    # =========================
+    score = 0.0
+    strong = 0
+
+    # Foot Drop: انخفاض مستمر + تأخر زمني + زاوية منخفضة نسبياً
+    fd_evidence = (min(avg_Lc, avg_Rc) < 3.5) or (ratio_low_L > 0.45 or ratio_low_R > 0.45)
+    fd_delay    = abs(lag)/max(1.0,fps) > 0.08  # تأخر > 80ms
+    if (fd_evidence and fd_delay) or (fd_evidence and diff_angle < 25):
+        score += 3.5; strong += 1
+
+    # Neuropathy: تذبذب ارتفاع واضح + لا تماثل زاوي/زمني
+    if (var_clear > 9 and sa_angle > 6) or (si_clear > 18 and motion_cv > 0.22):
+        score += 3.0; strong += 1
+
+    # Charcot: قاعدة أوسع + ميل جذعي ملحوظ (مفيد أكثر للأمامي)
+    base_m = base_ratio * W * px2m
+    if (view == "frontal" and base_m > 0.27 and (avg_tilt > 9 or torso_sway > 0.02)) or (base_m > 0.30):
+        score += 3.5; strong += 1
+
+    # عوامل داعمة
+    if diff_clear > 6: score += 1.0
+    if abs(side_lean) > W*0.03: score += 1.0
+    if sa_angle > 8: score += 0.5
+
+    # ترجيح للأمامي لأنك ذكرت أنه الأكثر شيوعاً
+    if view == "frontal": score *= 1.12
+
+    score = min(score, 10.0)
+    norm_score = score / 10.0
+
+    # تحديد الجانب المتضرر (تجميعي)
+    # يعتمد على: انخفاض المتوسط + طول زمن الانخفاض + إشارة التأخر الزمني
+    left_weight  = (avg_Rc - avg_Lc) + 20*(ratio_low_L - ratio_low_R) + (1 if lag > 0 else 0)  # lag>0 يعني L يتأخر
+    right_weight = (avg_Lc - avg_Rc) + 20*(ratio_low_R - ratio_low_L) + (1 if lag < 0 else 0)
+
+    if left_weight > right_weight + 3:
         side = "اليسار"
-    elif avg_Rc < avg_Lc-2.5 and avg_Ra < avg_La:
+    elif right_weight > left_weight + 3:
         side = "اليمين"
     else:
         side = "غير محدد بوضوح"
 
-    # ===================================
-    # النتيجة النهائية
-    # ===================================
-    if norm_score >= 0.7 or strong_flags >= 2:
-        level, color, desc = "🔴 عالية الخطورة", "#c62828", "تم رصد مؤشرات واضحة لخلل في المشية."
+    # قرار نهائي (أكثر صرامة)
+    if norm_score >= 0.68 or strong >= 2:
+        level, color, desc = "🔴 عالية الخطورة", "#c62828", "تم رصد مؤشرات زمنية ومكانية قوية لخلل في المشية."
         booking_html = """
         <div style="margin-top:10px">
           <a href="https://example.com/book" target="_blank"
@@ -189,8 +249,8 @@ def analyze_gait(video_file):
           </a>
         </div>
         """
-    elif norm_score >= 0.45:
-        level, color, desc = "🟡 متوسطة الخطورة", "#fbc02d", "مؤشرات تستدعي متابعة طبية."
+    elif norm_score >= 0.48:
+        level, color, desc = "🟡 متوسطة الخطورة", "#f9a825", "مؤشرات ملحوظة تستدعي متابعة طبية وقائية."
         booking_html = """
         <div style="margin-top:10px">
           <a href="https://example.com/book" target="_blank"
@@ -200,38 +260,50 @@ def analyze_gait(video_file):
         </div>
         """
     else:
-        level, color, desc = "🟢 طبيعية", "#2e7d32", "المشية ضمن الحدود الطبيعية."
+        level, color, desc = "🟢 طبيعية", "#2e7d32", "المشية ضمن الحدود الطبيعية بحسب المعطيات الزمنية والمكانية."
         booking_html = ""
 
+    # ترجيح الحالة
+    if strong >= 2 and base_m > 0.27:
+        condition = "قدم شاركوت (Charcot Foot)"
+    elif fd_evidence:
+        condition = "ضعف العضلة الظنبوبية (Foot Drop)"
+    elif (var_clear > 9 and sa_angle > 6) or (si_clear > 18 and motion_cv > 0.22):
+        condition = "اعتلال الأعصاب المحيطية / السكري"
+    else:
+        condition = "خلل بسيط غير محدد"
+
     html = f"""
-    <div style='color:{color};font-weight:700;font-size:18px'>{level}</div>
+    <div style="color:{color};font-weight:700;font-size:18px">{level}</div>
     <div>👁️ زاوية التصوير: <b>{'أمامية' if view=='frontal' else 'جانبية'}</b></div>
     <div>📍 الجانب المتأثر: <b>{side}</b></div>
-    <div>🩺 الحالة المحتملة: <b>{'ضعف العضلة الظنبوبية' if strong_flags>=1 else 'غير محددة بدقة'}</b></div>
-    <div>📊 درجة الخطورة: <b>{score:.1f}/10</b></div>
+    <div>🩺 الحالة المحتملة: <b>{condition}</b></div>
+    <div>📊 درجة المؤشرات: <b>{score:.1f}/10</b></div>
     <div>{desc}</div>
     {booking_html}
-    <div style='font-size:13px;color:#555;margin-top:8px'>⚠️ التحليل يعتمد على أنماط الحركة والزوايا الزمنية، ولا يُغني عن الفحص السريري.</div>
+    <div style='font-size:13px;color:#555;margin-top:8px'>⚠️ التحليل تقديري يعتمد على معالم المشي والزمن ولا يُغني عن التشخيص السريري.</div>
     """
     return html, _gauge_html(norm_score)
 
-# ===================================
-# واجهة Gradio + تعليمات تصوير
-# ===================================
+# =========================
+# تعليمات تصوير داخل الواجهة
+# =========================
 instructions = """
-### 🎥 تعليمات التصوير لضمان دقة التحليل:
-1️⃣ ضع الكاميرا على **بعد 2 إلى 3 أمتار** من الشخص، بارتفاع الركبة تقريبًا.  
-2️⃣ استخدم **إضاءة جيدة** بدون ظلال قوية.  
-3️⃣ اطلب من المريض أن **يمشي بشكل طبيعي لمسافة 3 أمتار ذهابًا وإيابًا**.  
-4️⃣ لا ترتدي ملابس طويلة تغطي الركبة أو الكاحل.  
-5️⃣ يُفضّل أن يكون الفيديو **من زاوية أمامية واضحة**.  
-6️⃣ المدة المثالية للفيديو: **من 15 إلى 30 ثانية**.
+### 🎥 تعليمات تصوير دقيقة (لتحليل أوثق):
+1) ضع الكاميرا على **بعد 2–3 م** من الشخص وعلى **ارتفاع الركبة تقريبًا**.  
+2) **إضاءة أمامية جيدة**، وخلفية بسيطة، وتجنّب الظلال القوية.  
+3) صوّر **زاوية أمامية واضحة** (أو جانبية إن تعذّر)، مع إظهار الجسم من **الورك حتى القدم** كاملين.  
+4) اطلب من الشخص **المشي بشكل طبيعي 3–5 أمتار ذهابًا وإيابًا** لمدة **15–30 ثانية**.  
+5) تجنّب الملابس الطويلة/الفضفاضة التي **تحجب الركبة والكاحل**.  
+6) ثبّت الهاتف (على حامل إن أمكن) لتقليل اهتزاز الكاميرا.  
 """
 
-with gr.Blocks(title="تحليل المشية العصبية - v9 (دقيق جدًا)") as demo:
-    gr.Markdown("## 🩺 نظام تحليل المشية العصبية – الإصدار 9")
+# =========================
+# واجهة Gradio
+# =========================
+with gr.Blocks(title="تحليل المشية العصبية - v10 (زمني/مكاني صارم)") as demo:
+    gr.Markdown("## 🩺 نظام تحليل المشية العصبية – الإصدار v10")
     gr.Markdown(instructions)
-
     with gr.Row():
         with gr.Column(scale=1):
             video_in = gr.File(label="📂 اختر فيديو المشي", file_types=[".mp4", ".avi", ".mov"], type="binary")
@@ -239,7 +311,6 @@ with gr.Blocks(title="تحليل المشية العصبية - v9 (دقيق جد
         with gr.Column(scale=1):
             gauge = gr.HTML("<div></div>")
             out_html = gr.HTML("<i>النتيجة ستظهر هنا بعد التحليل...</i>")
-
     analyze_btn.click(fn=analyze_gait, inputs=[video_in], outputs=[out_html, gauge])
 
 if __name__ == "__main__":
@@ -249,6 +320,5 @@ if __name__ == "__main__":
 
 
 
-