app.py

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

# Cargar el modelo .keras
model = load_model('cnn_covid.keras')

# Función para hacer la predicción
def predict_image(image):
    if image is None:
        return "Por favor suba una imagen / Please upload an image"
    
    try:
        img = image.resize((200, 200))  # Redimensionar a 200x200
        img_array = img_to_array(img)
        img_array = np.expand_dims(img_array, axis=0)  # Añadir dimensión para el batch
        
        prediction = model.predict(img_array)
        
        if prediction[0][0] < 0.5:
            result = "COVID-19 Detectado (COVID-19 Detected)"
        else:
            result = "No tiene COVID-19 (No COVID-19 detected)"
        
        return result
    
    except Exception as e:
        return f"Error en el procesamiento: {str(e)}"

# Crear la interfaz de Gradio
iface = gr.Interface(
    fn=predict_image,
    inputs=gr.Image(type="pil"),
    outputs=gr.Textbox(label="Resultado de la predicción", lines=2),
    title="COVID-19 X-Ray Classifier",
    description="""
    [Español]
    Precisión del modelo: 98.9% (11 errores por cada 1000 imágenes analizadas)
    Si desea probar el modelo, puede descargar imágenes desde este enlace:
    https://drive.google.com/drive/folders/1Dr11dKuSlgtWaTzNLRixzB19y588iNib?usp=drive_link

    Algunas de estas imágenes fueron utilizadas para entrenar el modelo, mientras que otras fueron reservadas exclusivamente para validación (el modelo nunca tuvo contacto con ellas durante el entrenamiento). Esto permite una evaluación más precisa del rendimiento real del modelo.

    [English]
    Model Accuracy: 98.9% (11 errors per 1000 images analyzed)
    If you want to test the model, you can download images from this link:
    https://drive.google.com/drive/folders/1Dr11dKuSlgtWaTzNLRixzB19y588iNib?usp=drive_link

    Some of these images were used to train the model, while others were exclusively reserved for validation (the model never interacted with them during training). This allows for a more accurate evaluation of the model's real performance.

    


    
    """
)

# Lanzar la interfaz
if __name__ == "__main__":
    iface.launch()