Spaces:
Sleeping
Sleeping
File size: 1,783 Bytes
da9ab10 75dd026 da9ab10 820dedb da9ab10 5523171 da9ab10 5523171 75dd026 7b23309 5523171 7b23309 14a7ef2 7b23309 5523171 75dd026 |
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 38 39 40 41 42 43 44 45 46 47 48 49 50 51 |
import gradio as gr
import numpy as np
import tensorflow as tf
from tensorflow.keras.models import load_model
from tensorflow.keras.preprocessing import image
MODEL_ISATRON_JEY = 'modelo_isatron_jeysshonl.h5'
cnn_model = load_model(MODEL_ISATRON_JEY)
def make_prediction(test_image):
test_image = image.load_img(test_image, target_size=(224, 224))
test_image = image.img_to_array(test_image) / 255.
test_image = np.expand_dims(test_image, axis=0)
result = cnn_model.predict(test_image)
return {"Normal": str(result[0][0]), "Neumonia": str(result[0][1])}
# Actualización del tipo de entrada de imagen
image_input = gr.Image(type="filepath")
description = ("El modelo IsaTron es una Red Neuronal Convolucional (CNN) diseñada como un método de apoyo medico "
"para el diagnóstico en imágenes radiológicas de neumonía pediátrica. Isatron arroja un porcentaje para "
"lograr interpretar la radiografía torácica. En la parte inferior encontrará unas imágenes que pueden "
"ser usadas para ejemplificar el funcionamiento del modelo. "
"https://repositorio.unbosque.edu.co/handle/20.500.12495/9514")
examples = [
['1normal.jpeg'],
['image1_pneumonia_virus.jpeg'],
['image1_pneumonia_bacteria.jpeg'],
['image2_normal.jpeg'],
['image2_pneumonia_bacteria.jpeg'],
['image3_normal.jpeg'],
['image4_normal.jpeg'],
]
article = "<p style='text-align: center'><span style='font-size: 15pt;'>IsaTron . Jeysshon Bustos . 2022. </span></p>"
interface = gr.Interface(
fn=make_prediction,
inputs=image_input,
outputs='label',
title="Modelo (CNN) IsaTron",
description=description,
article=article,
examples=examples
)
interface.launch(share=True)
|