Repository navigation
Expand file tree
/
Copy pathpredict_anxiety_v3_gui.py
More file actions
1400 lines (1250 loc) · 62.8 KB
/
Copy pathpredict_anxiety_v3_gui.py
File metadata and controls
1400 lines (1250 loc) · 62.8 KB
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
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
# -*- coding: utf-8 -*-
"""
predict_anxiety_v3_gui.py — Open Field anksiyete tahmin ve davranış dashboard'u
Tek farelik DLC pose CSV'si yüklenir; davranış tespiti, OFT metrikleri,
mekansal rearing ve ML tabanlı **Kontrol / Tedavi** sınıflandırması yapılır.
İsteğe bağlı olarak run_analysis.py üzerinden tam open-field analiz
pipeline'ı (timeline, orbit, ısı haritası, bodypart) da çalıştırılır.
Çalıştırmak için:
streamlit run scripts/predict_anxiety_v3_gui.py
"""
from __future__ import annotations
import hashlib
import io
import json
import subprocess
import sys
import tempfile
from datetime import datetime
from io import StringIO
from pathlib import Path
import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import streamlit as st
ROOT = Path(__file__).resolve().parent.parent
sys.path.insert(0, str(ROOT))
sys.path.insert(0, str(ROOT / "scripts"))
import predict_anxiety_v2 as v2 # noqa: E402
# ── Sayfa konfigürasyonu ──────────────────────────────────────────────────────
st.set_page_config(
page_title="Open Field — Tahmin Paneli",
page_icon="🐀",
layout="wide",
initial_sidebar_state="expanded",
)
# ── Custom CSS ────────────────────────────────────────────────────────────────
st.markdown("""
<style>
@import url('https://fonts.googleapis.com/css2?family=Inter:wght@300;400;500;600;700;800&display=swap');
html, body, [class*="css"] { font-family: 'Inter', sans-serif !important; }
.stApp { background: #0b0f1a; }
.main .block-container { padding-top: 1.5rem; max-width: 1280px; }
[data-testid="stSidebar"] {
background: #0f1320 !important;
border-right: 1px solid rgba(255,255,255,0.06) !important;
}
[data-testid="stFileUploader"] {
background: rgba(99,102,241,0.06) !important;
border: 1.5px dashed rgba(99,102,241,0.35) !important;
border-radius: 14px !important;
transition: all 0.25s;
}
[data-testid="stFileUploader"]:hover {
border-color: rgba(99,102,241,0.75) !important;
background: rgba(99,102,241,0.1) !important;
}
/* File uploader — Türkçe etiketler, dosya boyutu satırını gizle */
[data-testid="stFileUploaderDropzoneInstructions"] > div > span,
[data-testid="stFileUploaderDropzoneInstructions"] > div > small {
display: none !important;
}
[data-testid="stFileUploaderDropzoneInstructions"] > div::before {
content: "Dosyayı buraya sürükleyip bırakın";
color: rgba(255,255,255,0.6);
font-size: 0.95rem;
font-weight: 500;
letter-spacing: 0.005em;
}
section[data-testid="stFileUploaderDropzone"] button {
color: transparent !important;
position: relative;
min-width: 110px !important;
}
section[data-testid="stFileUploaderDropzone"] button::after {
content: "Dosya Seç";
position: absolute;
left: 0;
right: 0;
top: 50%;
transform: translateY(-50%);
color: rgba(255,255,255,0.88);
font-weight: 500;
font-size: 0.875rem;
}
.stButton > button[kind="primary"] {
background: #1e3a5f !important;
border: 1px solid rgba(99,149,210,0.35) !important;
border-radius: 10px !important;
font-weight: 600 !important;
font-size: 0.95rem !important;
padding: 0.65rem 2.5rem !important;
box-shadow: 0 2px 10px rgba(0,0,0,0.35) !important;
letter-spacing: 0.01em !important;
color: #cbd5e1 !important;
}
.stButton > button[kind="primary"]:hover {
background: #254d7a !important;
border-color: rgba(99,149,210,0.6) !important;
box-shadow: 0 4px 16px rgba(0,0,0,0.45) !important;
color: #e2e8f0 !important;
}
[data-testid="stMetric"] {
background: rgba(255,255,255,0.04) !important;
border: 1px solid rgba(255,255,255,0.07) !important;
border-radius: 12px !important;
padding: 1rem 1.2rem !important;
}
[data-testid="stMetricLabel"] {
font-size: 0.72rem !important;
font-weight: 500 !important;
text-transform: uppercase !important;
letter-spacing: 0.07em !important;
color: rgba(255,255,255,0.45) !important;
}
[data-testid="stMetricValue"] {
color: #f1f5f9 !important;
font-weight: 700 !important;
font-size: 1.6rem !important;
}
.stTabs [data-baseweb="tab-list"] {
background: transparent !important;
border-bottom: 1px solid rgba(255,255,255,0.07) !important;
gap: 0 !important;
padding: 0 !important;
}
.stTabs [data-baseweb="tab"] {
background: transparent !important;
color: rgba(255,255,255,0.4) !important;
font-weight: 500 !important;
font-size: 0.875rem !important;
border: none !important;
padding: 0.75rem 1.4rem !important;
border-radius: 0 !important;
letter-spacing: 0.01em !important;
}
.stTabs [aria-selected="true"] {
color: #818cf8 !important;
border-bottom: 2px solid #6366f1 !important;
background: transparent !important;
font-weight: 600 !important;
}
.stProgress > div > div {
background: linear-gradient(90deg, #6366f1, #8b5cf6) !important;
border-radius: 100px !important;
}
.stProgress > div {
background: rgba(255,255,255,0.06) !important;
border-radius: 100px !important;
height: 6px !important;
}
[data-testid="stDataFrame"] { border-radius: 12px !important; overflow: hidden !important; }
.dvn-scroller { border-radius: 12px !important; }
hr { border-color: rgba(255,255,255,0.06) !important; }
.stAlert { border-radius: 10px !important; }
.streamlit-expanderHeader {
color: rgba(255,255,255,0.55) !important;
font-size: 0.85rem !important;
background: rgba(255,255,255,0.02) !important;
border-radius: 8px !important;
}
::-webkit-scrollbar { width: 5px; height: 5px; }
::-webkit-scrollbar-track { background: transparent; }
::-webkit-scrollbar-thumb { background: rgba(255,255,255,0.12); border-radius: 4px; }
::-webkit-scrollbar-thumb:hover { background: rgba(255,255,255,0.22); }
#MainMenu { visibility: hidden !important; }
footer { visibility: hidden !important; }
.stDeployButton { display: none !important; }
header[data-testid="stHeader"] { background: transparent !important; }
</style>
""", unsafe_allow_html=True)
# ── HTML bileşenleri ──────────────────────────────────────────────────────────
_TR_UPPER_MAP = str.maketrans({"i": "İ", "ı": "I"})
def tr_upper(s: str) -> str:
return s.translate(_TR_UPPER_MAP).upper()
def _hex_to_rgb(h: str) -> str:
h = h.lstrip("#")
r, g, b = int(h[0:2], 16), int(h[2:4], 16), int(h[4:6], 16)
return f"{r},{g},{b}"
def html_stat_row(label: str, value: str) -> str:
return (
f'<div style="display:flex;justify-content:space-between;align-items:center;'
f'padding:8px 0;border-bottom:1px solid rgba(255,255,255,0.05);">'
f'<span style="font-size:0.8rem;color:rgba(255,255,255,0.45);font-weight:500;">{label}</span>'
f'<span style="font-size:0.85rem;color:#f1f5f9;font-weight:600;">{value}</span>'
f'</div>'
)
def html_section(title: str) -> str:
label = tr_upper(title)
return (
f'<div style="font-size:1.3rem;font-weight:800;color:#e2e8f0;'
f'letter-spacing:0.16em;'
f'margin:1.6rem 0 0.9rem 0;display:flex;align-items:center;gap:16px;'
f'justify-content:center;">'
f'<div style="flex:1;height:1px;background:rgba(255,255,255,0.08);"></div>'
f'<span>{label}</span>'
f'<div style="flex:1;height:1px;background:rgba(255,255,255,0.08);"></div>'
f'</div>'
)
def html_pred_card(label: str, proba: float, is_treated: bool) -> str:
if is_treated:
border = "#EF4444"
bg = "linear-gradient(135deg,rgba(239,68,68,0.12),rgba(220,38,38,0.06))"
else:
border = "#10B981"
bg = "linear-gradient(135deg,rgba(16,185,129,0.12),rgba(5,150,105,0.06))"
display_label = f"{label} Grubu"
return (
f'<div style="background:{bg};border:1.5px solid rgba({_hex_to_rgb(border)},0.45);'
f'border-radius:16px;padding:1.75rem 1.25rem;text-align:center;margin-bottom:1rem;">'
f'<div style="font-size:0.74rem;font-weight:700;color:rgba(255,255,255,0.55);'
f'letter-spacing:0.18em;margin:0 auto 10px;text-align:center;">TAHMİN</div>'
f'<div style="font-size:1.9rem;font-weight:800;color:{border};letter-spacing:-0.5px;">{display_label}</div>'
f'<div style="font-size:0.85rem;color:rgba(255,255,255,0.45);margin-top:8px;">'
f'Güven: <strong style="color:{border}">{proba:.1%}</strong></div>'
f'</div>'
)
# ── Open-Field özelliklerinin Türkçe açıklamaları ─────────────────────────────
FEATURE_INFO: dict[str, dict[str, str]] = {
"pct_center": {
"name": "Merkez Süresi (%)",
"name_short": "Merkez Süresi",
"desc": "Farenin arenanın iç bölgesinde (center zone) geçirdiği zamanın "
"yüzdesidir. Düşük değer çevreye yapışma (thigmotaxis) ve yüksek "
"anksiyeteye işaret eder.",
"formula": "center_frame_sayısı / geçerli_kare_sayısı × 100",
},
"pct_periphery": {
"name": "Çevre Süresi (%)",
"name_short": "Çevre Süresi",
"desc": "Farenin arenanın dış bandında (duvar kenarında) geçirdiği zamanın "
"yüzdesidir. Yüksek değer thigmotaxis davranışını işaret eder.",
"formula": "periphery_frame_sayısı / geçerli_kare_sayısı × 100",
},
"pct_freeze": {
"name": "Donakalma (%)",
"name_short": "Donakalma",
"desc": "Hız eşiğinin altında kalan kare oranıdır. Yüksek değer korku / "
"anksiyeteye bağlı immobilizasyona işaret eder.",
"formula": "frozen_frame_sayısı / toplam_kare × 100",
},
"spatial_entropy": {
"name": "Mekansal Entropi",
"name_short": "Mekansal Entropi",
"desc": "Farenin arenayı ne kadar dengeli kullandığını ölçer (Shannon "
"entropisi, 0–1 normalize). Düşük değer dar bir alana takılı "
"kalmayı, yüksek değer geniş keşfi gösterir.",
"formula": "H(p) / log(N_grid) — ızgara üzerindeki ziyaret olasılığı",
},
"center_entries": {
"name": "Merkeze Giriş Sayısı",
"name_short": "Merkez Girişi",
"desc": "Farenin çevreden merkez bölgesine geçiş sayısıdır. Düşük değer "
"merkez kaçınmasını / anksiyeteyi işaret eder.",
"formula": "periphery → center geçişlerinin sayısı",
},
"total_distance_px": {
"name": "Toplam Mesafe (px)",
"name_short": "Toplam Mesafe",
"desc": "Farenin hareketi boyunca kat ettiği toplam yol (piksel). Genel "
"lokomotor aktivitenin ölçüsüdür.",
"formula": "Σ √(dx² + dy²)",
},
"mean_speed_px_s": {
"name": "Ortalama Hız (px/sn)",
"name_short": "Ortalama Hız",
"desc": "Geçerli karelerde ortalama yer değiştirme miktarı. Genel motor "
"aktivitenin doğrudan ölçüsüdür.",
"formula": "ortalama( √(dx² + dy²) × fps )",
},
"freeze_bout_count": {
"name": "Donakalma Bout Sayısı",
"name_short": "Donakalma Bout",
"desc": "Donakalma sayılan ardışık kare bloklarının sayısı. Sayıca "
"fazla donakalma bouts'u kaygılı / temkinli davranış göstergesidir.",
"formula": "freeze rejimine giriş–çıkış geçişlerinin sayısı",
},
"rear_count": {
"name": "Ayakta Durma Sayısı",
"name_short": "Rearing Sayısı",
"desc": "Farenin arka ayakları üzerinde dikildiği (rearing) bout sayısı. "
"Keşfetme ve dikey aktivite göstergesidir.",
"formula": "DLC keypoint'lerinden tespit edilen rearing bout'larının sayısı",
},
"rear_total_s": {
"name": "Toplam Rearing Süresi (sn)",
"name_short": "Rearing Süresi",
"desc": "Rearing davranışında geçirilen toplam süre (saniye).",
"formula": "Σ rearing_bout_duration",
},
"rear_pct": {
"name": "Rearing Yüzdesi (%)",
"name_short": "Rearing %",
"desc": "Farenin hareketinin toplam süresine oranla rearing'de "
"geçirilen süre yüzdesi.",
"formula": "rear_total_s / session_s × 100",
},
"rear_mean_bout_s": {
"name": "Ortalama Rearing Bout Süresi (sn)",
"name_short": "Ort. Rearing Bout",
"desc": "Bir rearing bout'unun ortalama uzunluğu. Uzun bouts daha "
"kararlı, kısa bouts daha çekingen keşfi yansıtabilir.",
"formula": "rear_total_s / rear_count",
},
"rear_rate_per_min": {
"name": "Rearing Sıklığı (dk⁻¹)",
"name_short": "Rearing Sıklığı",
"desc": "Dakika başına rearing bout sayısı. Keşfetme dürtüsünün "
"zaman-normalize ölçüsü.",
"formula": "60 × rear_count / session_s",
},
"rear_early_frac": {
"name": "Erken Rearing Oranı",
"name_short": "Erken Rearing",
"desc": "Farenin hareketinin erken bölümündeki (ilk 90 saniye) "
"rearing'in toplam rearing'e oranı. Yüksek değer hareketin "
"başında yoğun keşfi, düşük değer sonradan ısınan keşfi gösterir.",
"formula": "erken_pencerede_rear_süresi / toplam_rear_süresi",
},
"rear_count_center": {
"name": "Merkezde Rearing Sayısı",
"name_short": "Merkez Rearing",
"desc": "Merkez bölgesinde gerçekleşen rearing bout sayısı. Yüksek "
"değer cesur / düşük anksiyeteli keşfi gösterir.",
"formula": "merkez bölgesinde başlayan rearing bout'larının sayısı",
},
"rear_count_wall": {
"name": "Duvarda Rearing Sayısı",
"name_short": "Duvar Rearing",
"desc": "Çevre (duvar) bölgesinde gerçekleşen rearing bout sayısı. "
"Yüksek değer çevreye yapışan, daha kaygılı keşfi gösterebilir.",
"formula": "çevre bölgesinde başlayan rearing bout'larının sayısı",
},
"rear_center_frac": {
"name": "Merkez Rearing Oranı",
"name_short": "Merkez Rearing %",
"desc": "Tüm rearing'ler içinde merkezde olanların oranı (0–1). Yüksek "
"değer = merkezde dikilmekten çekinmiyor = düşük anksiyete.",
"formula": "rear_count_center / (rear_count_center + rear_count_wall)",
},
"groom_count": {
"name": "Tımarlanma Sayısı",
"name_short": "Grooming Sayısı",
"desc": "Grooming (kendini tımarlama) bout sayısı. Stres altında "
"kompulsif olarak artabilir.",
"formula": "DLC keypoint'lerinden tespit edilen grooming bout sayısı",
},
"groom_total_s": {
"name": "Toplam Grooming Süresi (sn)",
"name_short": "Grooming Süresi",
"desc": "Grooming davranışında geçirilen toplam saniye.",
"formula": "Σ grooming_bout_duration",
},
"groom_pct": {
"name": "Grooming Yüzdesi (%)",
"name_short": "Grooming %",
"desc": "Farenin hareketinin toplam süresine oranla grooming'de "
"geçirilen süre yüzdesi.",
"formula": "groom_total_s / session_s × 100",
},
"groom_mean_bout_s": {
"name": "Ortalama Grooming Bout Süresi (sn)",
"name_short": "Ort. Groom Bout",
"desc": "Bir grooming bout'unun ortalama uzunluğu.",
"formula": "groom_total_s / groom_count",
},
"groom_bout_cv": {
"name": "Grooming Bout CV",
"name_short": "Groom Bout CV",
"desc": "Grooming bout sürelerinin varyasyon katsayısı (std/mean). "
"Yüksek değer düzensiz bout süreleri (kompulsif kalıp) gösterebilir.",
"formula": "std(groom_durations) / mean(groom_durations)",
},
"groom_early_frac": {
"name": "Erken Grooming Oranı",
"name_short": "Erken Grooming",
"desc": "Farenin hareketinin erken bölümündeki (ilk 90 saniye) "
"grooming'in toplama oranı.",
"formula": "erken_pencerede_groom_süresi / toplam_groom_süresi",
},
"rear_groom_ratio": {
"name": "Rearing / Grooming Oranı",
"name_short": "Rear / Groom",
"desc": "Toplam rearing süresinin toplam grooming süresine oranı. "
"Yüksek değer keşif baskın, düşük değer stres davranışı baskın.",
"formula": "rear_total_s / groom_total_s",
},
"rear_per_100px": {
"name": "100 px Başına Rearing",
"name_short": "Rearing / 100px",
"desc": "Birim hareket başına rearing — yatay aktiviteden bağımsız bir "
"dikey aktivite ölçüsü.",
"formula": "100 × rear_count / total_distance_px",
},
"comfort_ratio": {
"name": "Konfor Oranı",
"name_short": "Konfor Oranı",
"desc": "Grooming süresinin merkez süresine oranı. Yüksek değer "
"merkezde rahat hissettiğini, düşük değer merkezde tedirginliği "
"gösterebilir.",
"formula": "groom_total_s / pct_center",
},
"rear_total_s_center": {
"name": "Merkezde Toplam Rearing (sn)",
"name_short": "Merkez Rear (sn)",
"desc": "Merkez bölgesinde gerçekleşen rearing'lerin toplam süresi.",
"formula": "Σ merkez_rearing_bout_duration",
},
"rear_total_s_wall": {
"name": "Duvarda Toplam Rearing (sn)",
"name_short": "Duvar Rear (sn)",
"desc": "Çevre / duvar bölgesinde gerçekleşen rearing'lerin toplam süresi.",
"formula": "Σ duvar_rearing_bout_duration",
},
"rear_center_minus_wall": {
"name": "Merkez − Duvar Rearing",
"name_short": "Merkez − Duvar",
"desc": "Merkezdeki ve duvardaki rearing bout sayıları arasındaki fark. "
"Pozitif değer merkez tercih, negatif değer duvar tercih.",
"formula": "rear_count_center − rear_count_wall",
},
}
# ── Matplotlib stil ───────────────────────────────────────────────────────────
_DARK_BG = "#0b0f1a"
_PANEL_BG = "#0f1320"
_GRID_CLR = "#1e2438"
_MUTED = "#475569"
def _style_ax_dark(ax, fig=None):
if fig:
fig.patch.set_facecolor(_DARK_BG)
ax.set_facecolor(_PANEL_BG)
ax.tick_params(colors=_MUTED, labelsize=8)
for spine in ax.spines.values():
spine.set_edgecolor(_GRID_CLR)
ax.xaxis.label.set_color(_MUTED)
ax.yaxis.label.set_color(_MUTED)
ax.title.set_color("#94a3b8")
def fig_probability_bars(pred_info: dict) -> plt.Figure:
prob_c = pred_info["proba_control"]
prob_t = pred_info["proba_treated"]
is_treated = pred_info["pred"] == 1
fig, ax = plt.subplots(figsize=(5.5, 1.6), facecolor=_DARK_BG)
_style_ax_dark(ax, fig)
labels = ["P(Kontrol)", "P(Tedavi)"]
values = [prob_c, prob_t]
colors = ["#3B82F6", "#EF4444"]
alphas = [0.85 if not is_treated else 0.30, 0.85 if is_treated else 0.30]
bars = ax.barh(labels, values, color=colors, alpha=1.0, height=0.45,
edgecolor="none")
for bar, a in zip(bars, alphas):
bar.set_alpha(a)
for bar, val, clr in zip(bars, values, colors):
ax.text(val + 0.025, bar.get_y() + bar.get_height() / 2,
f"{val:.1%}", va="center", fontsize=10, fontweight="700", color=clr)
ax.set_xlim(0, 1.18)
ax.set_xticks([])
ax.spines[["top", "right", "bottom"]].set_visible(False)
ax.tick_params(left=False)
for label in ax.get_yticklabels():
label.set_color("#94a3b8")
label.set_fontsize(9)
fig.tight_layout(pad=0.8)
return fig
def fig_feature_contributions(pred_info: dict) -> plt.Figure:
tops = pred_info["top_contributors"]
names = [
FEATURE_INFO.get(c["feature"], {}).get(
"name_short", c["feature"].replace("_", " ").title()
)
for c in tops
]
pushes = [c["push"] for c in tops]
colors = ["#EF4444" if p > 0 else "#3B82F6" for p in pushes]
fig, ax = plt.subplots(figsize=(11, 3.6), facecolor=_DARK_BG)
_style_ax_dark(ax, fig)
bars = ax.barh(names[::-1], pushes[::-1], color=colors[::-1],
alpha=0.85, height=0.55, edgecolor="none")
ax.axvline(0, color=_MUTED, linewidth=0.8, alpha=0.6, zorder=3)
max_abs = max((abs(p) for p in pushes), default=1.0) or 1.0
pad = max_abs * 0.22
ax.set_xlim(-max_abs - pad, max_abs + pad)
offset = max_abs * 0.025
for bar, val in zip(bars, pushes[::-1]):
ha = "left" if val >= 0 else "right"
dx = offset if val >= 0 else -offset
ax.text(val + dx, bar.get_y() + bar.get_height() / 2,
f"{val:+.3f}", va="center", ha=ha, fontsize=9,
color="#cbd5e1", fontweight="600")
ax.set_xlabel("Karar Katkısı", fontsize=10, color="#94a3b8")
ax.grid(axis="x", alpha=0.08, color="white", zorder=0)
for lbl in ax.get_yticklabels():
lbl.set_color("#e2e8f0")
lbl.set_fontsize(10)
lbl.set_fontweight("500")
from matplotlib.patches import Patch
ax.legend(
handles=[Patch(facecolor="#EF4444", alpha=0.85, label="→ Tedavi"),
Patch(facecolor="#3B82F6", alpha=0.85, label="→ Kontrol")],
loc="lower right", fontsize=9, framealpha=0.2,
facecolor=_PANEL_BG, edgecolor=_GRID_CLR, labelcolor="#94a3b8",
)
fig.subplots_adjust(left=0.22, right=0.97, top=0.93, bottom=0.18)
return fig
# ── Open-field analiz subprocess wrapper ──────────────────────────────────────
def run_open_field_analysis(
csv_path: Path,
arena: tuple,
inner_zone: tuple,
fps: float = 30.0,
skip_behavior: bool = False,
skip_orbit: bool = False,
skip_heatmap: bool = False,
skip_bodypart: bool = False,
progress_container=None,
) -> dict:
"""run_analysis.py'i alt-process olarak çalıştırır; üretilen PNG/CSV'leri
aynı dizinde tarar ve key → Path eşlemesi döndürür."""
results = {
"behavior_bouts": None,
"behavior_frames": None,
"behavior_timeline":None,
"orbit_grid": None,
"thigmotaxis": None,
"heatmap_kde": None,
"heatmap_histogram":None,
"bodypart_heatmaps":None,
}
common_args = [
str(ROOT / "analysis" / "open_field" / "run_analysis.py"),
"--arena", *[str(x) for x in arena],
"--inner-zone", *[str(x) for x in inner_zone],
"--csv", str(csv_path),
"--fps", str(fps),
"--likelihood", "0.6",
"--jump-thresh", "60",
"--smooth", "5",
]
if skip_behavior: common_args.append("--skip-behavior")
if skip_orbit: common_args.append("--skip-orbit")
if skip_heatmap: common_args.append("--skip-heatmap")
if skip_bodypart: common_args.append("--skip-bodypart")
cmd = [sys.executable] + common_args
process = subprocess.Popen(
cmd, stdout=subprocess.PIPE, stderr=subprocess.PIPE,
text=True, cwd=str(ROOT / "analysis" / "open_field"),
)
for line in process.stdout:
if progress_container and ("[*]" in line or "[OK]" in line or "Step" in line):
progress_container.write(f"🔄 {line.rstrip()}")
_, stderr = process.communicate(timeout=600)
if process.returncode != 0:
raise RuntimeError(f"Analysis failed: {stderr}")
csv_dir = csv_path.parent
stem = csv_path.stem
suffix_map = {
"_behavior_bouts.csv": "behavior_bouts",
"_behavior_frames.csv": "behavior_frames",
"_behavior_timeline.png":"behavior_timeline",
"_orbit_grid.png": "orbit_grid",
"_thigmotaxis.png": "thigmotaxis",
"_heatmap_kde.png": "heatmap_kde",
"_heatmap_histogram.png":"heatmap_histogram",
"_bodypart_heatmaps.png":"bodypart_heatmaps",
}
# Bireysel per-bodypart PNG'leri ayrı listelerde topla
results["orbit_individuals"] = []
results["bodypart_individuals"] = []
for file in csv_dir.glob(f"{stem}*"):
if "_orbit_bp_" in file.name and file.suffix == ".png":
bp = file.stem.split("_orbit_bp_", 1)[1]
results["orbit_individuals"].append((bp, file))
continue
if "_bodypart_bp_" in file.name and file.suffix == ".png":
bp = file.stem.split("_bodypart_bp_", 1)[1]
results["bodypart_individuals"].append((bp, file))
continue
for suf, key in suffix_map.items():
if file.name.endswith(suf):
results[key] = file
# Tutarlı bir sırada tut
results["orbit_individuals"].sort(key=lambda x: x[0])
results["bodypart_individuals"].sort(key=lambda x: x[0])
return results
# ─────────────────────────────────────────────────────────────────────────────
# SIDEBAR
# ─────────────────────────────────────────────────────────────────────────────
with st.sidebar:
st.markdown(
'<div style="font-size:0.78rem;font-weight:700;color:#e2e8f0;'
'letter-spacing:0.14em;margin:0.6rem 0 0.7rem 0;text-align:center;">'
'MODEL BİLGİSİ</div>',
unsafe_allow_html=True,
)
st.markdown(
html_stat_row("Algoritma", "Lojistik Regresyon") +
html_stat_row("Eğitim seti", "29 sıçan (LOOCV)") +
html_stat_row("Özellik sayısı","12") +
html_stat_row("AUC", "0.683") +
html_stat_row("F1 (Makro)", "0.72") +
html_stat_row("F1 (Ağırlıklı)", "0.83") +
html_stat_row("Doğruluk", "%82.8"),
unsafe_allow_html=True,
)
st.markdown(
'<div style="height:1px;background:rgba(255,255,255,0.06);margin:1rem 0;"></div>',
unsafe_allow_html=True,
)
st.markdown(
'<div style="font-size:0.7rem;font-weight:600;color:rgba(255,255,255,0.3);'
'text-transform:uppercase;letter-spacing:0.1em;margin-bottom:0.6rem;">'
'Kullanım</div>',
unsafe_allow_html=True,
)
for i, step in enumerate(
["DLC filtered CSV yükle",
"Çalıştır butonuna bas",
"Sonuçları incele & indir"], 1
):
st.markdown(
f'<div style="display:flex;gap:10px;align-items:center;padding:6px 0;">'
f'<div style="width:22px;height:22px;border-radius:50%;background:rgba(255,255,255,0.05);'
f'border:1px solid rgba(255,255,255,0.14);display:flex;align-items:center;'
f'justify-content:center;font-size:0.7rem;font-weight:600;color:#94a3b8;'
f'flex-shrink:0;">{i}</div>'
f'<span style="font-size:0.82rem;color:rgba(255,255,255,0.55);">{step}</span></div>',
unsafe_allow_html=True,
)
# ── Pipeline varsayılanları (artık sidebar'da seçilemiyor) ───────────────────
fps = float(v2.DEFAULT_FPS)
tag = "rearonly"
run_analysis = True
arena_xmin, arena_xmax = 397, 777
arena_ymin, arena_ymax = 156, 535
skip_behavior = False
skip_orbit = False
fast_mode = False # tüm adımlar (heatmap + bodypart dahil)
auto_inner = True
save_to_reports = True
inner_xmin = inner_xmax = inner_ymin = inner_ymax = None
# ─────────────────────────────────────────────────────────────────────────────
# HERO HEADER
# ─────────────────────────────────────────────────────────────────────────────
st.markdown("""
<div style="background:linear-gradient(135deg,#1e3a5f 0%,#254d7a 55%,#0c1e36 100%);
border-radius:16px;padding:1.75rem 2rem;margin-bottom:1.5rem;
border:1px solid rgba(99,149,210,0.28);
box-shadow:0 8px 28px rgba(12,30,54,0.55);">
<div style="display:flex;align-items:center;gap:16px;">
<div style="font-size:2.8rem;line-height:1;">🐀</div>
<div>
<h1 style="margin:0;font-size:1.6rem;font-weight:800;color:white;letter-spacing:-0.5px;">
Open Field — Tahmin Paneli
</h1>
<p style="margin:4px 0 0 0;font-size:0.82rem;color:rgba(255,255,255,0.45);">
DeepLabCut pose verisi · Davranış (rearing / grooming) · Mekansal metrikler · ML tabanlı grup tahmini
</p>
</div>
</div>
<div style="display:flex;gap:8px;margin-top:14px;flex-wrap:wrap;">
<span style="background:rgba(99,102,241,0.18);border:1px solid rgba(99,102,241,0.35);
border-radius:100px;padding:3px 12px;font-size:0.72rem;font-weight:500;
color:#818cf8;letter-spacing:0.04em;">Lojistik Regresyon</span>
<span style="background:rgba(16,185,129,0.15);border:1px solid rgba(16,185,129,0.30);
border-radius:100px;padding:3px 12px;font-size:0.72rem;font-weight:500;
color:#34d399;letter-spacing:0.04em;">LOOCV · n=29</span>
<span style="background:rgba(245,158,11,0.15);border:1px solid rgba(245,158,11,0.30);
border-radius:100px;padding:3px 12px;font-size:0.72rem;font-weight:500;
color:#fbbf24;letter-spacing:0.04em;">AUC 0.683</span>
<span style="background:rgba(168,85,247,0.15);border:1px solid rgba(168,85,247,0.30);
border-radius:100px;padding:3px 12px;font-size:0.72rem;font-weight:500;
color:#c084fc;letter-spacing:0.04em;">F1 0.72</span>
</div>
</div>
""", unsafe_allow_html=True)
# ─────────────────────────────────────────────────────────────────────────────
# DOSYA YÜKLEME
# ─────────────────────────────────────────────────────────────────────────────
upload_col, btn_col = st.columns([3, 1], gap="medium")
with upload_col:
uploaded = st.file_uploader(
"DLC filtered pose CSV (tek fare)",
type=["csv"],
label_visibility="collapsed",
help="DeepLabCut tarafından üretilmiş filtrelenmiş CSV dosyası",
)
with btn_col:
st.markdown('<div style="height:0.35rem;"></div>', unsafe_allow_html=True)
run_clicked = st.button("▶ Çalıştır", type="primary", use_container_width=True)
if uploaded is None:
st.markdown("""
<div style="background:rgba(99,102,241,0.06);border:1px solid rgba(99,102,241,0.15);
border-radius:12px;padding:1.25rem 1.5rem;margin-top:0.5rem;
display:flex;align-items:center;gap:12px;">
<span style="font-size:1.5rem;">📂</span>
<span style="font-size:0.875rem;color:rgba(255,255,255,0.45);">
Analiz başlatmak için bir CSV dosyası yükleyin, ardından
<strong style="color:#818cf8;">Çalıştır</strong> butonuna basın.
</span>
</div>
""", unsafe_allow_html=True)
st.stop()
# ── Yüklenen dosyanın kimliğini hash'le; aynı dosyada rerun olunca cache'ten oku ──
_h = hashlib.sha256()
_h.update(uploaded.name.encode("utf-8"))
_h.update(b"|")
_h.update(uploaded.getvalue())
current_key = _h.hexdigest()
prev_key = st.session_state.get("v3_results_key")
if prev_key is not None and prev_key != current_key:
# Yeni bir dosya yüklendi → eski sonuçları unut
st.session_state.pop("v3_results", None)
st.session_state.pop("v3_results_key", None)
cache_hit = (
st.session_state.get("v3_results_key") == current_key
and "v3_results" in st.session_state
)
if not cache_hit and not run_clicked:
st.markdown(
f'<div style="background:rgba(16,185,129,0.08);border:1px solid rgba(16,185,129,0.2);'
f'border-radius:10px;padding:0.9rem 1.2rem;margin-top:0.5rem;'
f'display:flex;align-items:center;gap:10px;">'
f'<span style="font-size:1.1rem;">📄</span>'
f'<span style="font-size:0.875rem;color:#34d399;font-weight:500;">{uploaded.name}</span>'
f'<span style="color:rgba(255,255,255,0.3);font-size:0.8rem;margin-left:auto;">'
f'Hazır · Çalıştır butonuna bas</span></div>',
unsafe_allow_html=True,
)
st.stop()
# ─────────────────────────────────────────────────────────────────────────────
# PIPELINE
# ─────────────────────────────────────────────────────────────────────────────
analysis_results: dict = {}
analysis_images: dict[str, bytes] = {}
available_outputs: set[str] = set()
fig_images: dict[str, bytes] = {}
if cache_hit:
# Aynı dosya hâlâ yüklü; pipeline'ı yeniden çalıştırma, cache'ten yükle.
_r = st.session_state["v3_results"]
pred_info = _r["pred_info"]
feat = _r["feat"]
report_text = _r["report_text"]
json_bytes = _r["json_bytes"]
txt_name = _r["txt_name"]
json_name = _r["json_name"]
fig_images = _r["fig_images"]
analysis_images = _r["analysis_images"]
available_outputs = _r["available_outputs"]
analysis_results = _r.get("analysis_results", {})
else:
with tempfile.TemporaryDirectory() as tmp:
tmp_path = Path(tmp)
csv_path = tmp_path / uploaded.name
csv_path.write_bytes(uploaded.getvalue())
status_ph = st.empty()
prog = st.progress(0.0)
def _step(p: float, msg: str):
prog.progress(min(max(p, 0.0), 1.0))
status_ph.markdown(
f'<div style="font-size:0.85rem;color:rgba(255,255,255,0.5);'
f'padding:0.3rem 0;">{msg}</div>',
unsafe_allow_html=True,
)
try:
if run_analysis:
_step(0.05, "🧪 Open-field analiz pipeline başlıyor…")
if auto_inner:
w = arena_xmax - arena_xmin
h = arena_ymax - arena_ymin
inner_xmin = arena_xmin + 0.20 * w
inner_xmax = arena_xmax - 0.20 * w
inner_ymin = arena_ymin + 0.20 * h
inner_ymax = arena_ymax - 0.20 * h
arena_bounds = (arena_xmin, arena_xmax, arena_ymin, arena_ymax)
inner_zone_bounds = (inner_xmin, inner_xmax, inner_ymin, inner_ymax)
progress_output = st.empty()
analysis_results = run_open_field_analysis(
csv_path,
arena_bounds,
inner_zone_bounds,
fps=fps,
skip_behavior=skip_behavior,
skip_orbit=skip_orbit,
skip_heatmap=fast_mode,
skip_bodypart=fast_mode,
progress_container=progress_output,
)
for key in ("behavior_timeline", "orbit_grid", "thigmotaxis",
"heatmap_histogram", "heatmap_kde", "bodypart_heatmaps"):
p = analysis_results.get(key)
if p and p.exists():
try:
analysis_images[key] = p.read_bytes()
available_outputs.add(key)
except Exception:
pass
progress_output.empty()
_step(0.30, "📍 Davranış bout'ları (rearing / grooming) çıkarılıyor")
bouts_df, n_frames = v2.detect_bouts(csv_path, fps=fps)
_step(0.50, "📐 OFT metrikleri (lokomosyon / thigmotaxis / freeze / entropi)")
oft, body_x, body_y = v2.compute_oft_metrics(csv_path, fps=fps)
_step(0.65, "🎯 Mekansal rearing (merkez vs. duvar)")
spatial = v2.compute_spatial_rearing(bouts_df, body_x, body_y)
feat = v2.build_feature_dict(bouts_df, oft, spatial, oft["session_s"])
_step(0.80, f"🧠 Model yükleme ve tahmin (tag={tag})")
bundle, model = v2.load_model(tag)
pred_info = v2.predict(feat, bundle, model)
_step(0.90, "📊 Rapor ve görseller üretiliyor")
subject = csv_path.stem
out_dir = tmp_path / "out"
out_dir.mkdir()
report_buf = StringIO()
v2.render_summary(report_buf, csv_path, n_frames, feat, pred_info)
report_text = report_buf.getvalue()
txt_name = f"{subject}_anxiety_v2_report.txt"
fig_path = out_dir / f"{subject}_anxiety_v2_overview.png"
v2.plot_overview(csv_path, body_x, body_y, spatial, pred_info, fig_path)
fig_images["anxiety_overview"] = fig_path.read_bytes()
json_payload = {
"subject": subject,
"csv_path": uploaded.name,
"n_frames": n_frames,
"session_s": oft["session_s"],
"model_tag": tag,
"pred": pred_info["pred"],
"label": v2.label_str(pred_info["pred"]),
"proba_control": round(pred_info["proba_control"], 4),
"proba_treated": round(pred_info["proba_treated"], 4),
"top_contributors": pred_info["top_contributors"],
"features": {k: (None if isinstance(val, float) and np.isnan(val) else val)
for k, val in feat.items()},
"feature_cols_used": pred_info["feature_cols"],
"n_rearing_bouts": int((bouts_df["behaviour"] == "rearing").sum()),
"n_grooming_bouts": int((bouts_df["behaviour"] == "grooming").sum()),
"spatial_rearing": {
"rear_count_center": spatial["rear_count_center"],
"rear_count_wall": spatial["rear_count_wall"],
"rear_count_unknown": spatial["rear_count_unknown"],
"rear_center_frac": (None if spatial["rear_center_frac"] != spatial["rear_center_frac"]
else round(spatial["rear_center_frac"], 4)),
},
"generated_at": datetime.now().isoformat(timespec="seconds"),
}
json_bytes = json.dumps(json_payload, indent=2, ensure_ascii=False).encode("utf-8")
json_name = f"{subject}_anxiety_v2_report.json"
if save_to_reports:
target = v2.DEFAULT_OUT
target.mkdir(parents=True, exist_ok=True)
(target / json_name).write_bytes(json_bytes)
(target / txt_name).write_text(report_text, encoding="utf-8")
(target / f"{subject}_anxiety_v2_overview.png").write_bytes(fig_images["anxiety_overview"])
for key, img_bytes in analysis_images.items():
(target / f"{subject}_{key}.png").write_bytes(img_bytes)
_step(1.0, "✓ Tamamlandı")
prog.empty()
status_ph.empty()
except FileNotFoundError as e:
st.error("Model dosyaları bulunamadı.")
st.code(str(e))
st.stop()
except Exception as e:
st.error(f"Pipeline hatası: {type(e).__name__}: {e}")
st.exception(e)
st.stop()
# Pipeline başarıyla bitti — sonuçları cache'le ki sonraki rerun (download
# butonu vs.) pipeline'ı tekrar çalıştırmasın.
st.session_state["v3_results"] = {
"pred_info": pred_info,
"feat": feat,
"report_text": report_text,
"json_bytes": json_bytes,
"txt_name": txt_name,
"json_name": json_name,
"fig_images": fig_images,
"analysis_images": analysis_images,
"available_outputs": available_outputs,
"analysis_results": analysis_results,
}
st.session_state["v3_results_key"] = current_key
# ─────────────────────────────────────────────────────────────────────────────
# SONUÇLAR
# ─────────────────────────────────────────────────────────────────────────────
is_treated = pred_info["pred"] == 1
pred_label = "Tedavi" if is_treated else "Kontrol"
top_proba = pred_info["proba_treated"] if is_treated else pred_info["proba_control"]
subject = Path(uploaded.name).stem
st.markdown('<div style="height:0.5rem;"></div>', unsafe_allow_html=True)
# Sekme paneli için fade-in animasyonu — aktif tab değiştiğinde içerik
# anında geçmek yerine yumuşakça belirir, böylece "flash" hissi azalır.
st.markdown("""
<style>