Update app.py

app.py

@@ -74,27 +74,34 @@ models = {
     'UNet3+': torch.jit.load('./model/UNet3plus.pt'),
 }
 
-# Função que encapsula o processamento e a verificação de doenças
 def processar_imagem_de_entrada_wrapper(img, modelo):
     model = models[modelo]
     spent, img_out = processar_imagem_de_entrada(img, modelo, model)
     
     # Verificar se há doença usando K-Means
     kmeans = KMeans(n_clusters=2, random_state=0)
-    flattened_img = img_out[:, :, 0].reshape((-1, 1))  # Usar o canal de intensidade
+    flattened_img = img_out[:, :, 0].reshape((-1, 1))  # Use the intensity channel
     kmeans.fit(flattened_img)
     labels = kmeans.labels_
     area_0 = np.sum(labels == 0)
     area_1 = np.sum(labels == 1)
     has_disease_flag = area_1 >= 500
     
-    # Adicionar a explicação
+    # Formatar o indicador de doença como uma string
+    if has_disease_flag:
+        status_doenca = "Sim"
+    else:
+        status_doenca = "Não"
+    
+    # Adicionar a explicação com base no status de doença
     if has_disease_flag:
         explanation = "A máquina detectou uma possível doença nos vasos sanguíneos."
     else:
         explanation = "A máquina não detectou nenhuma doença nos vasos sanguíneos."
     
-    return spent, img_out, has_disease_flag, explanation
+    # ... (resto do seu código, se houver mais)
+    
+    return spent, img_out, status_doenca, explanation
 
 # Criar a interface Gradio
 my_app = gr.Interface(