Spaces:
Sleeping
Sleeping
File size: 11,291 Bytes
7b945e6 78b9561 5db4e41 6b8a93c 86f1dcc 5db4e41 6b8a93c 5db4e41 6b8a93c 5db4e41 7b945e6 5db4e41 82a1a13 6b8a93c 82a1a13 6b8a93c 34e10a8 6b8a93c 34e10a8 6b8a93c 34e10a8 6b8a93c 34e10a8 6b8a93c 34e10a8 6b8a93c 34e10a8 6b8a93c 34e10a8 6b8a93c 34e10a8 6b8a93c 34e10a8 6b8a93c 34e10a8 6b8a93c 34e10a8 6b8a93c 34e10a8 6b8a93c 34e10a8 6b8a93c 34e10a8 6b8a93c 34e10a8 6b8a93c 34e10a8 6b8a93c 34e10a8 6b8a93c 34e10a8 6b8a93c 34e10a8 6b8a93c 34e10a8 6b8a93c 34e10a8 6b8a93c 34e10a8 6b8a93c 34e10a8 6b8a93c 34e10a8 6b8a93c 34e10a8 6b8a93c 34e10a8 6b8a93c 34e10a8 6b8a93c 34e10a8 6b8a93c 34e10a8 82a1a13 34e10a8 6b8a93c 34e10a8 6b8a93c 34e10a8 6b8a93c 34e10a8 6b8a93c 34e10a8 6b8a93c 34e10a8 5db4e41 6b8a93c 34e10a8 6b8a93c 78b9561 6b8a93c 82a1a13 6b8a93c 82a1a13 6b8a93c 82a1a13 5db4e41 6b8a93c 5db4e41 340e897 6b8a93c 82a1a13 6b8a93c 86f1dcc 6b8a93c 34e10a8 6b8a93c a75511c 7b945e6 6b8a93c |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 |
import gradio as gr
import cv2
import numpy as np
from dataclasses import dataclass
from typing import Dict, List, Tuple
from datetime import datetime
@dataclass
class IrisZone:
name: str
ratio: Tuple[float, float] # (inner, outer)
color: Tuple[int, int, int]
conditions: Dict[str, List[str]] # Detailed health conditions
recommendations: Dict[str, List[str]]
class IrisAnalyzer:
def __init__(self):
self.zones = [
IrisZone(
name="Zona Cerebral/Neural",
ratio=(0.85, 1.0),
color=(255, 0, 0),
conditions={
"baixa": [
"Possível fadiga neural crônica",
"Indicadores de estresse prolongado",
"Sinais de insônia ou distúrbios do sono",
"Possível déficit de vitamina B12"
],
"media": ["Estado neural estável", "Função cognitiva normal"],
"alta": ["Excelente saúde neural", "Ótima resposta cognitiva"]
},
recommendations={
"baixa": [
"Suplementação de vitamina B12",
"Técnicas de meditação diária",
"Melhorar qualidade do sono",
"Reduzir exposição a telas"
],
"media": ["Manter rotina de sono", "Exercícios mentais regulares"],
"alta": ["Manter práticas atuais", "Exercícios de mindfulness"]
}
),
IrisZone(
name="Zona Digestiva",
ratio=(0.7, 0.85),
color=(0, 255, 0),
conditions={
"baixa": [
"Possível inflamação intestinal",
"Sinais de má absorção",
"Indicadores de disbiose",
"Possível deficiência enzimática"
],
"media": ["Digestão funcional", "Absorção adequada"],
"alta": ["Excelente saúde digestiva", "Ótima absorção"]
},
recommendations={
"baixa": [
"Probióticos específicos",
"Enzimas digestivas",
"Dieta anti-inflamatória",
"Eliminar alimentos processados"
],
"media": ["Manter dieta balanceada", "Hidratação adequada"],
"alta": ["Manter dieta atual", "Rotina alimentar saudável"]
}
),
IrisZone(
name="Zona Respiratória",
ratio=(0.55, 0.7),
color=(0, 0, 255),
conditions={
"baixa": [
"Possível comprometimento respiratório",
"Sinais de baixa oxigenação",
"Indicadores de congestão brônquica",
"Possível sensibilidade respiratória"
],
"media": ["Função respiratória adequada", "Oxigenação normal"],
"alta": ["Excelente capacidade respiratória", "Ótima oxigenação"]
},
recommendations={
"baixa": [
"Exercícios respiratórios diários",
"Avaliar qualidade do ar",
"Considerar atividades aeróbicas",
"Técnicas de respiração profunda"
],
"media": ["Manter exercícios regulares", "Praticar respiração consciente"],
"alta": ["Continuar práticas saudáveis", "Manter atividades aeróbicas"]
}
),
IrisZone(
name="Zona Circulatória",
ratio=(0.4, 0.55),
color=(255, 255, 0),
conditions={
"baixa": [
"Possível circulação periférica reduzida",
"Indicadores de estagnação sanguínea",
"Sinais de baixo fluxo sanguíneo",
"Possível deficiência de ferro"
],
"media": ["Circulação adequada", "Fluxo sanguíneo normal"],
"alta": ["Excelente circulação", "Ótimo fluxo sanguíneo"]
},
recommendations={
"baixa": [
"Aumentar atividade física",
"Considerar suplementação de ferro",
"Massagens circulatórias",
"Hidratação adequada"
],
"media": ["Manter exercícios regulares", "Alimentação rica em ferro"],
"alta": ["Manter rotina atual", "Continuar exercícios"]
}
),
IrisZone(
name="Zona Linfática",
ratio=(0.25, 0.4),
color=(255, 0, 255),
conditions={
"baixa": [
"Sistema linfático congestionado",
"Possível retenção de líquidos",
"Indicadores de toxicidade",
"Baixa resposta imunológica"
],
"media": ["Sistema linfático funcional", "Drenagem adequada"],
"alta": ["Excelente drenagem linfática", "Ótima desintoxicação"]
},
recommendations={
"baixa": [
"Drenagem linfática regular",
"Aumentar consumo de água",
"Exercícios específicos",
"Dieta desintoxicante"
],
"media": ["Manter hidratação", "Exercícios leves regulares"],
"alta": ["Manter hábitos atuais", "Continuar atividades físicas"]
}
),
IrisZone(
name="Zona Endócrina",
ratio=(0.15, 0.25),
color=(0, 255, 255),
conditions={
"baixa": [
"Possível desequilíbrio hormonal",
"Sinais de estresse adrenal",
"Indicadores de fadiga endócrina",
"Possível disfunção tireoidiana"
],
"media": ["Sistema endócrino estável", "Função hormonal adequada"],
"alta": ["Excelente equilíbrio hormonal", "Ótima função endócrina"]
},
recommendations={
"baixa": [
"Gestão do estresse",
"Suporte adrenal natural",
"Regular ciclo sono-vigília",
"Alimentação rica em iodo"
],
"media": ["Manter rotina regular", "Cuidar do sono"],
"alta": ["Manter equilíbrio atual", "Continuar boas práticas"]
}
),
IrisZone(
name="Zona Pupilar",
ratio=(0, 0.15),
color=(128, 128, 128),
conditions={
"baixa": [
"Sistema nervoso autônomo sobrecarregado",
"Possível desequilíbrio simpático/parassimpático",
"Indicadores de estresse crônico",
"Sinais de fadiga autonômica"
],
"media": ["SNA equilibrado", "Resposta autonômica normal"],
"alta": ["Excelente regulação autonômica", "Ótimo equilíbrio do SNA"]
},
recommendations={
"baixa": [
"Técnicas de relaxamento",
"Práticas de mindfulness",
"Regular rotina diária",
"Exercícios de respiração"
],
"media": ["Manter práticas relaxantes", "Continuar boa rotina"],
"alta": ["Manter equilíbrio atual", "Continuar práticas saudáveis"]
}
)
]
def analyze_iris(self, image: np.ndarray) -> Dict:
gray = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY)
center = (image.shape[1]//2, image.shape[0]//2)
radius = min(image.shape[:2])//4
results = {
"timestamp": datetime.now().strftime("%Y-%m-%d %H:%M:%S"),
"analysis": {},
"recommendations": []
}
for zone in self.zones:
inner_r = int(radius * zone.ratio[0])
outer_r = int(radius * zone.ratio[1])
mask = np.zeros(gray.shape, dtype=np.uint8)
cv2.circle(mask, center, outer_r, 255, -1)
cv2.circle(mask, center, inner_r, 0, -1)
zone_intensity = cv2.mean(gray, mask=mask)[0]
# Análise detalhada baseada na intensidade
if zone_intensity < 85:
level = "baixa"
elif zone_intensity < 170:
level = "media"
else:
level = "alta"
results["analysis"][zone.name] = {
"conditions": zone.conditions[level],
"recommendations": zone.recommendations[level],
"intensity": float(zone_intensity),
"status": level
}
# Marcar zona na imagem
cv2.circle(image, center, outer_r, zone.color, 2)
cv2.putText(image, zone.name,
(center[0]-outer_r, center[1]+outer_r),
cv2.FONT_HERSHEY_SIMPLEX, 0.5, zone.color, 1)
return image, results
def process_image(img):
if img is None:
return None, "Favor carregar uma imagem."
analyzer = IrisAnalyzer()
processed_img, results = analyzer.analyze_iris(img)
report = "# Análise Detalhada da Íris\n\n"
for zone_name, analysis in results["analysis"].items():
report += f"## {zone_name}\n\n"
report += "### Condições Identificadas:\n"
for condition in analysis["conditions"]:
report += f"- {condition}\n"
report += "\n### Recomendações:\n"
for rec in analysis["recommendations"]:
report += f"- {rec}\n\n"
return processed_img, report
interface = gr.Interface(
fn=process_image,
inputs=gr.Image(type="numpy"),
outputs=[
gr.Image(label="Análise Visual"),
gr.Markdown(label="Relatório Detalhado")
],
title="Análise Iridológica Detalhada",
description="⚠️ Sistema apenas para fins educacionais. Não substitui diagnóstico médico."
)
if __name__ == "__main__":
interface.launch() |