File size: 1,373 Bytes
0afefbd e712a98 0afefbd e712a98 0afefbd 56aec80 0afefbd 4cd0a22 0afefbd e712a98 56aec80 e712a98 |
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 |
import gradio as gr
from fastai.vision.all import *
learn = load_learner('export.pkl')
labels = learn.dls.vocab
def prever(imagem):
img = PILImage.create(imagem)
predicao, indice_predicao, probabilidades = learn.predict(img)
predicao = str(predicao)
probabilidades = [f"{labels[i]}: {prob * 100:.2f}%" for i, prob in enumerate(probabilidades)]
return predicao # Return only the predicted label
titulo = "Detecção de Câncer de Mama com Aprendizado Profundo e Transferência de Aprendizado (ResNet18)"
descricao = "<p style='text-align: center'><b>Como radiologista ou oncologista, é crucial saber o que há de errado com uma imagem de raio-X de mama.<b><br><b> Faça o upload da imagem de raio-X de mama para saber o que há de errado com o seio de uma paciente com ou sem implante<b><p>"
artigo="<p style='text-align: center'>Aplicativo web desenvolvido e gerenciado por Addai Fosberg<b></p>"
exemplos = [['img1.jpeg'], ['img2.jpeg']]
habilitar_fila = True
inputs = gr.inputs.Image(shape=(512, 512), label="Imagem de Raio-X de Mama")
outputs = gr.outputs.Label(label="Diagnóstico") # Update the output interface
interface = gr.Interface(
fn=prever,
inputs=inputs,
outputs=outputs,
title=titulo,
description=descricao,
article=artigo,
examples=exemplos,
enable_queue=habilitar_fila
)
interface.launch()
|