Upload app.py

app.py

@@ -0,0 +1,393 @@
+import pickle 
+import streamlit as st
+import pandas as pd
+import numpy as np
+from PIL import Image
+import sklearn 
+import pickle 
+
+import joblib as jb
+
+import xgboost as xgb
+
+# Esconder os menu padrao
+hide_streamlit_style = """
+            <style>
+            #MainMenu {visibility: hidden;}
+            footer {visibility: hidden;}
+            </style>
+            """
+st.markdown(hide_streamlit_style, unsafe_allow_html=True) 
+
+
+ # pipreqs . --force
+ # cat requirements.txt
+ # pip install -r requirements.txt
+
+# DICIONARIO DE DADOS - ATRIBUTOS
+# HeartDisease: Entrevistados que já relataram ter doença cardíaca coronária ou infarto do miocárdio.
+#
+# BMI: IMC.
+# Smoking : Você fumou pelo menos 100 cigarros em toda a sua vida?
+# AlcoholDrinking: Bebedores pesados.
+# Stroke: Você teve um derrame?
+# PhysicalHealth: Sua saúde física, que inclui doenças físicas e lesões, por quantos dias, nos últimos 30 dias.
+# MentalHealth: Saúde mental, por quantos dias nos últimos 30 dias sua saúde mental não foi boa? (0-30 dias).
+# DiffWalking: Você tem muita dificuldade para andar ou subir escadas?
+# Sex: Sexo.
+# AgeCategory: Categoria de idade de quatorze níveis.
+# Race: Etinía.
+# Diabetic: Se têm diabetes.
+# PhysicalActivity: Adultos que relataram fazer atividade física ou exercício durante os últimos 30 dias fora do trabalho regular.
+# GenHealth: Você diria que, em geral, sua saúde é.
+# SleepTime: Em média, quantas horas você dorme em um período de 24 horas?
+# Asthma: Você tem asma?
+# KidneyDisease: Cálculos renais, infecção da bexiga ou incontinência, alguma vez lhe disseram que tinha doença renal?
+# SkinCancer: Você teve câncer de pele?
+
+dict_cat_ingles = {
+ 'HeartDisease': {'No': 0, 'Yes': 1},
+ 'Smoking': {'No': 0, 'Yes': 1},
+ 'AlcoholDrinking': {'No': 0, 'Yes': 1},
+ 'Stroke': {'No': 0, 'Yes': 1},
+ 'DiffWalking': {'No': 0, 'Yes': 1},
+ 'Sex': {'Female': 0, 'Male': 1},
+ 'PhysicalActivity': {'No': 0, 'Yes': 1},
+ 'Asthma': {'No': 0, 'Yes': 1},
+ 'KidneyDisease': {'No': 0, 'Yes': 1},
+ 'SkinCancer': {'No': 0, 'Yes': 1},
+ 'Race': {'American Indian/Alaskan Native': 0,
+  'Asian': 1,
+  'Black': 2,
+  'Hispanic': 3,
+  'Other': 4,
+  'White': 5},
+ 'Diabetic': {'No': 0,
+  'No, borderline diabetes': 1,
+  'Yes': 2,
+  'Yes (during pregnancy)': 3},
+ 'GenHealth': {'Poor': 0,
+  'Fair': 1,
+  'Good': 2,
+  'Very good': 3,
+  'Excellent': 4}
+  }
+
+dict_cat_portugues = {
+ 'HeartDisease': {'Não': 0, 'Sim': 1},
+ 'Smoking': {'Não': 0, 'Sim': 1},
+ 'AlcoholDrinking': {'Não': 0, 'Sim': 1},
+ 'Stroke': {'Não': 0, 'Sim': 1},
+ 'DiffWalking': {'Não': 0, 'Sim': 1},
+ 'Sex': {'Feminino': 0, 'Masculino': 1},
+ 'PhysicalActivity': {'Não': 0, 'Sim': 1},
+ 'Asthma': {'Não': 0, 'Sim': 1},
+ 'KidneyDisease': {'Não': 0, 'Sim': 1},
+ 'SkinCancer': {'Não': 0, 'Sim': 1},
+ 'Race': {'Índio americano/nativo do Alasca': 0,
+  'Asiático': 1,
+  'Negro': 2,
+  'Hispânico': 3,
+  'Outros': 4,
+  'Branco': 5},
+ 'Diabetic': {'Não': 0,
+  'Não, diabetes limítrofe': 1,
+  'Sim': 2,
+  'Sim (durante a gravidez)': 3},
+ 'GenHealth': {'Ruim': 0,
+  'Razoável': 1,
+  'Boa': 2,
+  'Muito Boa': 3,
+  'Excelente': 4}
+  }
+
+
+with open('DICT_CATEGORIAS_VALORES.pkl', 'rb') as f:
+    DICT_CATEGORIAS_VALORES = pickle.load(f)
+
+with open('DICT_INVERSO_VALORES_CATEGORIAS_PORTUGUES.pkl', 'rb') as f:
+    DICT_INVERSO_VALORES_CATEGORIAS_PORTUGUES = pickle.load(f)
+
+
+CHOICES = { **DICT_CATEGORIAS_VALORES, **dict_cat_portugues }
+
+# Configuração da página
+#st.set_page_config(page_title = "Precisão de Doenças Cardíacas", layout = "centered")
+st.title('Sistema de Auxílio à Previsão de Problemas Cardíacos')
+st.sidebar.title("Anamnese - Sintomas")
+
+imagem = 'coracao01.jpeg'
+image = Image.open(imagem)
+st.image(image, width=500)
+
+CHOICES = DICT_INVERSO_VALORES_CATEGORIAS_PORTUGUES.copy()
+
+# inicializacao das variaveis
+SleepTime = PhysicalHealth = MentalHealth = BMI = HeartDisease = Smoking = AlcoholDrinking = Stroke = 0
+AgeCategory = DiffWalking= Sex= PhysicalActivity= Asthma= KidneyDisease= SkinCancer= 0
+Race = Diabetic = GenHealth = 0
+
+with st.sidebar:
+
+    with st.form(key='my_form'):
+
+        # retorna o mapeamento para Categoria Numérica da opção
+        # def format_func(option):
+        #     return CHOICES[option]
+
+        def format_IMC(imc):
+            if (imc >= 0 and imc < 18):
+                imc_int = 17
+            elif (imc >= 18 and imc <= 24):
+                imc_int = 24
+            elif (imc > 24 and imc <= 30):
+                imc_int = 30
+            elif (imc > 30 and imc <= 35):
+                imc_int = 35
+            elif (imc > 35 and imc <= 40):
+                imc_int = 40
+            else:
+                imc_int = 41
+
+            return int(imc_int)
+
+    
+        BMI = st.number_input('IMC', min_value=15.0, max_value=300.0, step=1.0)
+        BMI = format_IMC(BMI)
+
+        Smoking = st.selectbox('Fumante', options = CHOICES['Smoking'], 
+                                format_func=lambda x: CHOICES['Smoking'][x] )
+
+        AlcoholDrinking = st.selectbox('Alto Consumo de Alcool', options = CHOICES['AlcoholDrinking'],      
+                                             format_func=lambda x: CHOICES['AlcoholDrinking'][x] )
+
+        Stroke = st.selectbox('Você teve um AVC?', options = CHOICES['Stroke'],
+                                format_func=lambda x: CHOICES['Stroke'][x])
+
+        PhysicalHealth =  st.number_input('Saúde Física, por quantos dias neste mês', 
+                          min_value=0.0, max_value=30.0, step=1.0)
+
+        def converter_PhysicalHealth_categoria(PhysicalHealth):
+            if PhysicalHealth <= 4.0:
+                PhysicalHealth_cat = 4
+            elif (PhysicalHealth > 4.0 and PhysicalHealth <= 5.0):
+                PhysicalHealth_cat = 5
+            elif (PhysicalHealth > 5 and PhysicalHealth <= 6):
+                PhysicalHealth_cat = 6
+            elif (PhysicalHealth > 6 and PhysicalHealth <= 7):
+                PhysicalHealth_cat = 7
+            elif (PhysicalHealth > 7 and PhysicalHealth <= 8):
+                PhysicalHealth_cat = 8
+            else:
+                PhysicalHealth_cat = 9
+
+            return PhysicalHealth_cat
+
+        PhysicalHealth = converter_PhysicalHealth_categoria(PhysicalHealth)
+
+        MentalHealth  =  st.number_input('Saúde mental, por quantos dias não foi boa no mês', 
+                          min_value=0.0, max_value=30.0, step=1.0)
+
+        def converter_MentalHealth_categoria(MentalHealth):
+            if MentalHealth <= 0:
+                MentalHealth_cat = 0
+            elif (MentalHealth >= 3.0 and MentalHealth < 10.0):
+                MentalHealth_cat = 3
+            elif (MentalHealth >= 10 and MentalHealth < 20):
+                MentalHealth_cat = 20
+            else:
+                MentalHealth_cat = 30
+
+            return MentalHealth_cat
+
+        MentalHealth = converter_MentalHealth_categoria(MentalHealth)       
+
+        DiffWalking = st.selectbox(
+            'Dificuldade de andar ou subir escadas', options = CHOICES['DiffWalking'],
+            format_func=lambda x: CHOICES['DiffWalking'][x])
+
+
+        Sex = st.selectbox('Sexo', options = CHOICES['Sex'],
+                            format_func=lambda x: CHOICES['Sex'][x])
+
+        AgeCategory = st.selectbox('Idade (categoria)', options = CHOICES['AgeCategory'],
+                                    format_func=lambda x: CHOICES['AgeCategory'][x])
+
+        Race = st.selectbox('Etnia', options = CHOICES['Race'],
+                                format_func=lambda x: CHOICES['Race'][x])
+
+        Diabetic = st.selectbox('Diabetes', options = CHOICES['Diabetic'],
+                                    format_func=lambda x: CHOICES['Diabetic'][x] )
+
+        PhysicalActivity = st.selectbox(
+            'Atividade Física nos últimos 30 dias', options = CHOICES['PhysicalActivity'],
+             format_func=lambda x: CHOICES['PhysicalActivity'][x] )
+
+        GenHealth = st.selectbox('Estado Geral de Saúde', options = CHOICES['GenHealth'],
+                                    format_func=lambda x: CHOICES['GenHealth'][x])
+
+        SleepTime =  st.number_input('Quantas horas você dorme por dia', 
+                          min_value=1.0, max_value=24.0, step=1.0)
+
+        def converter_sleepTime_categoria(SleepTime):
+            if SleepTime <= 4:
+                sleep_cat = 4
+            elif (SleepTime > 4 and SleepTime <= 5):
+                sleep_cat = 5
+            elif (SleepTime > 5 and SleepTime <= 6):
+                sleep_cat = 6
+            elif (SleepTime > 6 and SleepTime < 8):
+                sleep_cat = 7
+            elif (SleepTime >= 8 and SleepTime < 9):
+                sleep_cat = 8
+            elif (SleepTime >= 9 ):
+                sleep_cat = 9
+
+            return sleep_cat
+
+        SleepTime = converter_sleepTime_categoria(SleepTime)
+
+ 
+        Asthma  = st.selectbox('Você tem asma?', CHOICES['Asthma'],
+                                 format_func=lambda x: CHOICES['Asthma'][x])
+
+        KidneyDisease = st.selectbox('Doença renal (cálculo, incontinência, etc.', 
+                                      options = CHOICES['KidneyDisease'],
+                                      format_func=lambda x: CHOICES['KidneyDisease'][x]) 
+
+        SkinCancer = st.selectbox('Câncer de pele', options = CHOICES['SkinCancer'],
+                                    format_func=lambda x: CHOICES['SkinCancer'][x])
+
+
+        predict_button = st.form_submit_button(label='Prever')
+
+
+# Pagina pricipal
+
+import xgboost
+from xgboost import Booster
+
+def previsao_doenca_cardiaca(Smoking, AlcoholDrinking, Stroke,  DiffWalking, Sex, Race,  
+          Diabetic, PhysicalActivity, GenHealth, Asthma, KidneyDisease,
+          SkinCancer, AgeCategory, SleepTime, PhysicalHealth,
+          MentalHealth, BMI):
+
+    # Colocar em escala (Padronizacao)
+    sc = jb.load('std_scaler.bin')
+
+    X = np.array([Smoking, AlcoholDrinking, Stroke,  DiffWalking, Sex, Race,  
+          Diabetic, PhysicalActivity, GenHealth, Asthma, KidneyDisease,
+          SkinCancer, AgeCategory, SleepTime, PhysicalHealth,
+          MentalHealth, BMI]).reshape(1, -1)
+
+    scaler_X = sc.transform(X) 
+    print(scaler_X)
+
+
+    #file = "modeloXGBoostv50.pkl" 
+    #xgb = joblib.load(file)
+
+    # PREDICT
+    # file = 'modeloXGBoostv50.pkl'
+    # # # load
+
+    #file = "modeloXGBoostv50.pkl" 
+    # clf = True
+    # with open(file, 'rb') as f:
+    #     clf = pickle.load(f)
+
+    # model = clf
+
+
+    #file = 'modeloXGBoostv50.json'
+
+    #load saved model
+    #model = xgbst = jb.load(file)
+
+
+    # booster = Booster()
+    # model = booster.load_model(file)
+
+    file = 'modeloXGBoostv50.bin'
+    booster = xgb.Booster()
+    booster.load_model(file)
+    model = booster
+
+
+    #model = xgbst.Booster(file)
+    #model.predict(new_data)
+
+    drow = xgb.DMatrix(scaler_X, label=[0, 1]) #, feature_names=X_test.columns)
+    prob = model.predict(drow)
+    if prob > 0.5:
+        pred = ':red[Doença Cardíaca]' 
+    else:
+        pred = ':blue[Normal]'
+        prob = 1 - prob
+    # pred = ['Normal' if  model.predict(drow) > 0.5 else 'Doença Cardíaca']
+    # pred = pred[0]
+    print(pred)
+    print(type(pred))
+    print(prob)
+    
+
+    # if pred == 0:
+    #     diagnostico_doenca_cardiaca = "Normal"
+    #     image = 'saudavel.jpg' 
+    # elif pred == 1:
+    #     diagnostico_doenca_cardiaca = "Doença Cardíaca"
+    #     image = 'diabetes02.jpg' 
+    # else:
+    #     diagnostico_doenca_cardiaca = "Sem Diagnóstico"
+
+    return pred, prob[0] #, image
+
+
+if predict_button:
+    print('ok')
+    print('\n')
+
+    print(Smoking, AlcoholDrinking, Stroke,  DiffWalking, Sex, Race,  
+          Diabetic, PhysicalActivity, GenHealth, Asthma, KidneyDisease,
+          SkinCancer, AgeCategory, SleepTime, PhysicalHealth,
+          MentalHealth, BMI)
+
+    atributos = [ Smoking, AlcoholDrinking, Stroke,  DiffWalking, Sex, Race,  
+          Diabetic, PhysicalActivity, GenHealth, Asthma, KidneyDisease,
+          SkinCancer, AgeCategory, SleepTime, PhysicalHealth,
+          MentalHealth, BMI ]
+
+ 
+
+
+    diagnostico_doenca_cardiaca, prob  = previsao_doenca_cardiaca(Smoking, AlcoholDrinking, 
+      Stroke,  DiffWalking, Sex, Race,  
+      Diabetic, PhysicalActivity, GenHealth, Asthma, KidneyDisease,
+      SkinCancer, AgeCategory, SleepTime, PhysicalHealth,
+      MentalHealth, BMI)
+
+
+    string_saida = '### Previsão: ' + diagnostico_doenca_cardiaca  + \
+                   ' - Probabilidade: ' + str(int(round(prob * 100, 0))) + "%" 
+    st.markdown(string_saida)
+    # st.markdown('## Previsão: ' + diagnostico_doenca_cardiaca)
+    # st.markdown('## Probabilidade: ' + str(int(round(prob * 100, 0))) + "%")
+
+# )
+
+
+    
+
+# BMI, Smoking, AlcoholDrinking, Stroke, PhysicalHealth, MentalHealth, DiffWalking, Sex, AgeCategory, 
+# Race, Diabetic, PhysicalActivity, GenHealth, SleepTime, Asthma, KidneyDisease, SkinCancer
+
+
+    #st.write(Diagnostico_Diabetes)
+    # image = Image.open('diabetes/' + imagem)
+    # st.markdown('## Diagnóstico: ' + '__' + Diagnostico_Diabetes + '__')
+    # #st.write('Diagnóstico:' + Diagnostico_Diabetes)
+    # st.image(image, width=250)
+
+# else:
+#     Diagnostico_Diabetes = 'Sem Previsão' 
+