anatomapa

Pinte o corpo humano com os seus dados.
De um dicionário ou de uma planilha a um mapa de calor anatômico em SVG, pronto pra publicar, em poucas linhas de Python e com zero dependências.

Português  ·  English

Sobre

anatomapa é uma biblioteca Python para gerar mapas de calor anatômicos da superfície externa do corpo humano. Você entrega dados quantitativos por região (frequência, intensidade ou densidade de eventos) e a lib devolve o corpo colorido, sempre na vista de frente (anterior), masculino ou feminino, com a cor proporcional ao valor de cada região.

Serve pra qualquer área que registra a região corporal como variável: acidentes com animais peçonhentos (escorpiões, serpentes, aranhas), traumas ocupacionais, lesões esportivas, medicina forense, queimaduras e dermatologia.

• Zero dependências: só a stdlib do Python no núcleo; PNG/JPG é um extra opcional.
• Determinística: a mesma entrada gera exatamente o mesmo SVG.
• Bilíngue: entende nomes de região em PT-BR e EN e escreve rótulos nos dois idiomas.

Instalação

pip install anatomapa

Requer Python 3.10+ e nenhuma dependência externa.

Para gerar PNG/JPG/JPEG (saída raster), instale o extra opcional, que traz cairosvg e Pillow. O SVG puro não precisa disso.

pip install "anatomapa[raster]"

As aspas importam: em shells como zsh e fish os colchetes são interpretados como padrão de arquivo (glob), então use aspas para o comando funcionar em qualquer shell.

Para desenvolvimento, clone o repositório: git clone https://github.com/pedrorcruzz/anatomapa.git

Início rápido

import anatomapa as am

fig = am.heatmap({"hand": 5153, "foot": 13666, "head": 845})
fig.save("mapa.svg")

Pronto: um SVG com mãos, pés e cabeça coloridos por valor. O resto deste manual é opcional.

Parâmetros de heatmap()

am.heatmap(values, view="anterior", body="male", lang="pt", format="svg",
           title=None, background="transparent", on_unknown="error",
           region_map=None)

Retorna um objeto Figure. Nome de região desconhecido levanta ResolutionError (exceção pública da lib). A paleta de cores é sempre a térmica (azul frio para laranja quente, visual de câmera térmica); não há escolha de paleta. A escala de intensidade é sempre linear: a cor cresce proporcional ao valor.

Fundo

• background: "dark" (#0a0a0a), "light" (#ffffff) ou "transparent" (padrão, sem fundo). As cores da legenda se adaptam ao fundo escolhido.

A legenda com a barra de valores (mín..máx, rótulo conforme lang) e o degradê térmico contínuo sobre o corpo são nativos: sempre presentes, sem parâmetro. É a legenda que informa os valores do mapa. Ex.: am.heatmap(dados, background="dark").

Nomes de região

A identificação é estrita: vale o id da região escrito exatamente como definido, ou uma chave do seu region_map. Nada é adivinhado, então não existe uma segunda grafia certa para a mesma região. Nome desconhecido levanta ResolutionError, listando o que falhou e sugerindo o mais parecido. Controle com on_unknown: "error" (padrão), "skip" ou "warn".

No código: o enum Region. from anatomapa import Region traz 30 constantes: os 14 ids canônicos mais as versões _LEFT/_RIGHT das 8 bilaterais. Cada membro é a própria string do id (Region.TRUNK == "trunk"), então vale como chave de heatmap() ou valor de region_map. O ganho é autocomplete e typo virando erro imediato. list(Region) ou list_regions() listam.

Lateralidade. As bilaterais (braço, antebraço, mão, dedo, coxa, perna, pé, dedo do pé) aceitam lado pelo sufixo do id: Region.HAND_RIGHT pinta só a direita; sem sufixo (Region.HAND), o valor pinta os dois lados. Pedir lado em região central é erro.

Seus nomes vindos da planilha: region_map. Como os rótulos da sua fonte quase nunca batem com os ids, é você quem declara a correspondência, uma vez, no código. A chave é comparada exatamente como está na planilha, incluindo acento e caixa alta:

am.heatmap({Region.TRUNK: 50, Region.HAND_LEFT: 100})  # enum (ou "trunk"/"hand_left")
am.heatmap(dados, region_map={"MÃO": Region.HAND, "ANTE-BRAÇO": Region.FOREARM})

Regiões e hierarquia

São 15 regiões. trunk é um agregador hierárquico: não tem geometria própria, só distribui valor para os filhos. Bilaterais recebem um valor pros dois lados (ou lado explícito). O tronco se decompõe de forma diferente em cada vista, como em qualquer atlas de anatomia externa: de frente existem peito, abdômen e pelve; de costas, dorso e nádegas.

Vistas. view="anterior" (padrão) desenha a frente, "posterior" as costas e "both" as duas lado a lado, com uma escala e uma legenda só. list_regions(view=...) diz o que vale em cada uma. Ex.: am.heatmap({"trunk": 2602}, view="both", background="dark").

Rollup (herança pai para filhos). Mande o dado no nível que você tiver:

am.heatmap({"trunk": 2602})                                # chest+abdomen+pelvis+back herdam
am.heatmap({"chest": 900, "abdomen": 1200, "pelvis": 500})  # ou por parte

Um valor no pai desce automaticamente pros filhos; se você informar a parte específica, ela usa o próprio valor. Mesma lógica em hand para finger e foot para toe.

Região sem dado. Região sem valor sai nativamente em cinza neutro (#9aa0a6), distinto do frio: "sem dado" não se confunde com "poucos casos". Sem parâmetro.

Entrada de dados

heatmap() aceita dict ou qualquer iterável de pares (região, valor), então a saída de todos os leitores vai direto, sem conversão:

# dict puro (ou normalizado via from_dict)
fig = am.heatmap(am.from_dict({"hand": 10, "foot": 25}))

# CSV: você declara as colunas, nada é adivinhado
dados = am.from_csv("lesoes.csv", region_col="regiao", value_col="total", delimiter=",")

# JSON: objeto {"hand": 10} ou lista [{"region": "...", "value": ...}]
dados = am.from_json("lesoes.json", region_key="region", value_key="value")

# Registros: dicts, namedtuples, dataclasses e DataFrame do pandas (duck typing)
dados = am.from_records(registros, region_col="regiao", value_col="total")

# Excel .xlsx, sem dependência externa; coluna por índice, letra "D" ou nome do cabeçalho
dados = am.from_xlsx("lesoes.xlsx", sheet="2024", region_col="Região",
                     value_col="Total", header=True)

No from_xlsx, aggregate resolve planilhas com uma linha por caso: "count" conta as ocorrências de cada região e "sum" soma os valores. None (padrão) espera uma linha por região.

Saída: o objeto Figure

Pra saída raster (PNG/JPG/JPEG), instale o extra opcional pip install anatomapa[raster] (traz cairosvg e Pillow, importados só sob demanda; o núcleo segue zero dependências e o SVG puro nunca precisa de extra). Sem o extra instalado, pedir png/jpg/jpeg levanta ImportError com a dica de instalação:

fig = am.heatmap(dados, format="png")
fig.save("mapa.png")

Exemplo completo

Topografia de picadas de escorpião (frequência por região), do dado bruto ao mapa final:

import anatomapa as am

from anatomapa import Region

dados = {Region.HEAD: 845, Region.ARM: 1831, Region.FOREARM: 974, Region.HAND: 5153,
         Region.FINGER: 8684, Region.TRUNK: 2602, Region.THIGH: 1733,
         Region.LEG: 1984, Region.FOOT: 13666, Region.TOE: 6547}

# 1. Confere os nomes antes de renderizar (dry-run, não gera nada)
resultado = am.validate(dados)
assert not resultado["unresolved"]

# 2. Gera o mapa: visual térmico em fundo escuro
fig = am.heatmap(dados, body="male", background="dark")
fig.save("mapa.svg")

Utilidades

validate(values, body="male", region_map=None) faz o dry-run: não renderiza, só mostra o que resolve e o que não.

am.validate({"hand": 1, "haand": 2, "hand_right": 3})
# {'resolved': {'hand': 'hand', 'hand_right': 'hand_right'},
#  'unresolved': {'haand': {'reason': 'região desconhecida',
#                           'suggestions': ['hand', 'head', 'hand_left']}}}

list_regions(lang="pt", body="male", view=None) lista as regiões, cada uma como {"id", "label", "bilateral", "parent", "views"}. Com view, filtra por vista:

am.list_regions(view="posterior")
# [{'id': 'head', ..., 'views': ['anterior', 'posterior']}, {'id': 'back', ...}, ...]

Galeria

Licença e atribuição

Distribuído sob a licença MIT. Veja o arquivo LICENSE.

As silhuetas dos modelos SVG derivam de fonte em domínio público (CC0); detalhes em app/anatomapa/assets/ATTRIBUTION.txt.

Créditos

• Pedro Rosa: programador/criador
• Marcelo Reis: Professor do Programa de Pós-Graduação em Análise de Sistemas Ambientais, CESMAC
• Mozart Melo: coordenador/orientador, CESMAC
• Centro Universitário CESMAC: instituição

⭐ Se o anatomapa te ajudou, deixa uma estrela no repositório! ⭐