Update app.py

app.py

@@ -1,119 +1,118 @@
-from typing import Dict, Union
-from gliner import GLiNER
-import gradio as gr
-
-model = GLiNER.from_pretrained("BSC-NLP4BIA/chagas-ner",
-                               revision="gliner-bi-small-v1.0_2025-02-11_15-59-05",
-                               load_tokenizer=True)
-
-examples = [
-    [
-        """
-        Sexo: Femenino
-País de Nacimiento: Paraguay
-Fecha de Nacimiento: XXXX
-Resultado Chagas: Positivo
-Informe: Seguimiento de consultas externas
-Visita: Primera visita
-Fecha: 20 de julio XXXX
-Paciente paraguaya de 32 años diagnosticada con enfermedad de Chagas tras cribado comunitario. Sin antecedentes transfusionales ni de familiares afectados. Refiere buen estado general.
-EF:
-Buen estado general.
-AC: rítmico, sin soplos.
-AP: MVC sin hallazgos.
-Abdomen blando, sin masas.
-PLAN:
-Solicitar estudio inicial de Chagas con ECG, ETT y serología.
-Informe: Seguimiento de consultas externas
-Visita: Seguimiento
-Fecha: 10 de diciembre XXXX
-Asintomática. PCR para T.cruzi negativa. ECG muestra ritmo sinusal con bloqueo de rama derecha. ETT sin alteraciones funcionales.
-EF:
-Sin cambios en exploración física.
-PLAN:
-Seguimiento anual con ECG y serología.
-        """,
-        "ENFERMEDAD, SINTOMA",
-        0.4,
-        False,
-    ],
-]
-
-
-def ner(
-        text, labels: str, threshold: float, nested_ner: bool
-) -> Dict[str, Union[str, int, float]]:
-    labels = labels.split(",")
-    return {
-        "text": text,
-        "entities": [
-            {
-                "entity": entity["label"],
-                "word": entity["text"],
-                "start": entity["start"],
-                "end": entity["end"],
-                "score": 0,
-            }
-            for entity in model.predict_entities(
-                text, labels, flat_ner=not nested_ner, threshold=threshold
-            )
-        ],
-    }
-
-
-with gr.Blocks(title="GLiNER for Chagas detection - NER ") as demo:
-
-    input_text = gr.Textbox(
-        value=examples[0][0], label="Text input", placeholder="Enter your text here"
-    )
-    with gr.Row() as row:
-        labels = gr.Textbox(
-            value=examples[0][1],
-            label="Labels",
-            placeholder="Enter your labels here (comma separated)",
-            scale=2,
-        )
-        threshold = gr.Slider(
-            0,
-            1,
-            value=0.3,
-            step=0.01,
-            label="Threshold",
-            info="Lower the threshold to increase how many entities get predicted.",
-            scale=1,
-        )
-        nested_ner = gr.Checkbox(
-            value=examples[0][2],
-            label="Nested NER",
-            info="Allow for nested NER?",
-            scale=0,
-        )
-    output = gr.HighlightedText(label="Predicted Entities")
-    submit_btn = gr.Button("Submit")
-    examples = gr.Examples(
-        examples,
-        fn=ner,
-        inputs=[input_text, labels, threshold, nested_ner],
-        outputs=output,
-        cache_examples=True,
-    )
-
-    # Submitting
-    input_text.submit(
-        fn=ner, inputs=[input_text, labels, threshold, nested_ner], outputs=output
-    )
-    labels.submit(
-        fn=ner, inputs=[input_text, labels, threshold, nested_ner], outputs=output
-    )
-    threshold.release(
-        fn=ner, inputs=[input_text, labels, threshold, nested_ner], outputs=output
-    )
-    submit_btn.click(
-        fn=ner, inputs=[input_text, labels, threshold, nested_ner], outputs=output
-    )
-    nested_ner.change(
-        fn=ner, inputs=[input_text, labels, threshold, nested_ner], outputs=output
-    )
-
-demo.queue()
-demo.launch(debug=True)
+from typing import Dict, Union
+from gliner import GLiNER
+import gradio as gr
+
+model = GLiNER.from_pretrained("BSC-NLP4BIA/chagas-ner",
+                               # revision="gliner-bi-small-v1.0_2025-02-11_15-59-05",
+                               revision="NuNER_Zero_2025-02-13_13-59-43_1"
+                               load_tokenizer=True)
+
+examples = [
+    [
+        """Sexo: Femenino
+País de Nacimiento: Paraguay
+Fecha de Nacimiento: XXXX
+Resultado Chagas: Positivo
+Informe: Seguimiento de consultas externas
+Visita: Primera visita
+Fecha: 20 de julio XXXX
+Paciente paraguaya de 32 años diagnosticada con enfermedad de Chagas tras cribado comunitario. Sin antecedentes transfusionales ni de familiares afectados. Refiere buen estado general.
+EF:
+Buen estado general.
+AC: rítmico, sin soplos.
+AP: MVC sin hallazgos.
+Abdomen blando, sin masas.
+PLAN:
+Solicitar estudio inicial de Chagas con ECG, ETT y serología.
+Informe: Seguimiento de consultas externas
+Visita: Seguimiento
+Fecha: 10 de diciembre XXXX
+Asintomática. PCR para T.cruzi negativa. ECG muestra ritmo sinusal con bloqueo de rama derecha. ETT sin alteraciones funcionales.
+EF:
+Sin cambios en exploración física.
+PLAN:
+Seguimiento anual con ECG y serología.""",
+        "ENFERMEDAD, SINTOMA",
+        0.5,
+        False,
+    ],
+]
+
+
+def ner(
+        text, labels: str, threshold: float, nested_ner: bool
+) -> Dict[str, Union[str, int, float]]:
+    labels = labels.split(",")
+    return {
+        "text": text,
+        "entities": [
+            {
+                "entity": entity["label"],
+                "word": entity["text"],
+                "start": entity["start"],
+                "end": entity["end"],
+                "score": 0,
+            }
+            for entity in model.predict_entities(
+                text, labels, flat_ner=not nested_ner, threshold=threshold
+            )
+        ],
+    }
+
+
+with gr.Blocks(title="GLiNER for Chagas detection - NER ") as demo:
+
+    input_text = gr.Textbox(
+        value=examples[0][0], label="Text input", placeholder="Enter your text here"
+    )
+    with gr.Row() as row:
+        labels = gr.Textbox(
+            value=examples[0][1],
+            label="Labels",
+            placeholder="Enter your labels here (comma separated)",
+            scale=2,
+        )
+        threshold = gr.Slider(
+            0,
+            1,
+            value=0.5,
+            step=0.01,
+            label="Threshold",
+            info="Lower the threshold to increase how many entities get predicted.",
+            scale=1,
+        )
+        nested_ner = gr.Checkbox(
+            value=examples[0][2],
+            label="Nested NER",
+            info="Allow for nested NER?",
+            scale=0,
+        )
+    output = gr.HighlightedText(label="Predicted Entities")
+    submit_btn = gr.Button("Submit")
+    examples = gr.Examples(
+        examples,
+        fn=ner,
+        inputs=[input_text, labels, threshold, nested_ner],
+        outputs=output,
+        cache_examples=True,
+    )
+
+    # Submitting
+    input_text.submit(
+        fn=ner, inputs=[input_text, labels, threshold, nested_ner], outputs=output
+    )
+    labels.submit(
+        fn=ner, inputs=[input_text, labels, threshold, nested_ner], outputs=output
+    )
+    threshold.release(
+        fn=ner, inputs=[input_text, labels, threshold, nested_ner], outputs=output
+    )
+    submit_btn.click(
+        fn=ner, inputs=[input_text, labels, threshold, nested_ner], outputs=output
+    )
+    nested_ner.change(
+        fn=ner, inputs=[input_text, labels, threshold, nested_ner], outputs=output
+    )
+
+demo.queue()
+demo.launch(debug=True)