Antonio Jesús Acosta López commited on
Commit
03f685a
1 Parent(s): 9ef0d65

Integración de artículo explicativo.

Browse files
Files changed (2) hide show
  1. app.py +5 -1
  2. article.md +12 -0
app.py CHANGED
@@ -32,18 +32,22 @@ def predict_nevus(image):
32
  }
33
 
34
  # Deploy with Gradio
35
- examples=[
36
  ['2.jpg'],
37
  ['37.jpg'],
38
  ['186.jpg']
39
  ]
40
 
 
 
 
41
  iface = gr.Interface(
42
  fn=predict_nevus,
43
  inputs=gr.inputs.Image(shape=(224, 224)),
44
  outputs="label",
45
  title="Detector de melanomas",
46
  description="Herramienta online que utiliza inteligencia artificial para detectar posibles melanomas en fotografías de lunares.",
 
47
  examples=examples,
48
  allow_flagging='never',
49
  theme="peach"
 
32
  }
33
 
34
  # Deploy with Gradio
35
+ examples = [
36
  ['2.jpg'],
37
  ['37.jpg'],
38
  ['186.jpg']
39
  ]
40
 
41
+ article_file = open("article.md", "r")
42
+ article = article_file.read()
43
+
44
  iface = gr.Interface(
45
  fn=predict_nevus,
46
  inputs=gr.inputs.Image(shape=(224, 224)),
47
  outputs="label",
48
  title="Detector de melanomas",
49
  description="Herramienta online que utiliza inteligencia artificial para detectar posibles melanomas en fotografías de lunares.",
50
+ article=article,
51
  examples=examples,
52
  allow_flagging='never',
53
  theme="peach"
article.md ADDED
@@ -0,0 +1,12 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ # nevus.ai
2
+ Este repositorio contiene una herramienta online que utiliza **Machine Learning** para recepcionar una fotografía de un lunar de la piel (cuyo término médico es *nevus*) y devolver la posibilidad de que se corresponda con un melanoma. Los melanomas, o tumores melánicos, es una variedad de cáncer de piel que debe tratarse en sus primeras etapas, motivo por el cual se ha desarrollado esta herramienta.
3
+
4
+
5
+ ## Modelo de Machine Learning
6
+ Para la creación y entrenamiento del modelo de apendizaje automático se ha utilizado la plataforma de Google **Teachable Machine**
7
+ (http://teachablemachine.withgoogle.com), y está compuesto por 2 clases, *Lunar* y *Melanoma*, cada una de las cuales ha sido alimentada con más de 450 fotografías reales.
8
+
9
+ Los datos utilizados para el entrenamiento del modelo se han obtenido de un dataset de la plataforma Kaggle (http://kaggle.com). En concreto, las imágenes fueron publicadas por el usuario Claudio Fanconi y pueden encontrarse en el siguiente enlace: https://www.kaggle.com/fanconic/skin-cancer-malignant-vs-benign
10
+
11
+ ## Uso
12
+ Para hacer una comprobación, realice una fotografía de un lunar sospechoso **a una distancia de no más de 3 cm**, y suminístrela al sistema pulsando en el botón que aparece en la parte inferior. Si se realiza la fotografía con un dispositivo móvil actual, se recomienda la utilización de la lente macro de la cámara (si dispone de ella).