app.py

import gradio as gr
import numpy as np
from tensorflow.keras.preprocessing import image
from tensorflow.keras.models import load_model

# Carregar o modelo treinado
model = load_model('model_1.0000.h5')

def predict_class(input_image):
    # Carregar uma imagem e fazer a previsão
    img = image.img_to_array(input_image)
    img = np.expand_dims(img, axis=0)
    img = img / 255.0  # Normalizar a imagem (como fizemos durante o treinamento)

    prediction = model.predict(img)

    # Interpretar o resultado
    if prediction[0][0] > 0.5:
        result = "Há uma alta probabilidade de anomalia cardíaca (Doente)"
    else:
        result = "Não há evidência significativa de anomalia cardíaca (Normal)"

    return result

# Criar uma interface Gradio
iface = gr.Interface(
    fn=predict_class,
    inputs=gr.inputs.Image(shape=(224, 224)),
    outputs="text",
    title="Modelo de Classificação de Anomalias Cardíacas"
)
iface.launch()