elie77/transferlearning

1import streamlit as st2import tensorflow as tf3import numpy as np4import pandas as pd5import plotly.express as px6from PIL import Image7 8# 📌 Charger le modèle9@st.cache_resource10def load_model():11    return tf.keras.models.load_model("kidney_disease_model2.h5")12 13# 📌 Classes du modèle14class_names = ["Cyst", "Normal", "Stone", "Tumor"]15 16# 📌 Fonction de prédiction17def predict(image, model):18    image = image.resize((224, 224))19    img_array = np.array(image) / 255.020    img_array = np.expand_dims(img_array, axis=0)21    predictions = model.predict(img_array)[0]22    predicted_class = np.argmax(predictions)23    confidence = predictions[predicted_class]24    return class_names[predicted_class], confidence25 26# 📌 Configuration de la page27st.set_page_config(page_title="Détection Maladies Rénales", page_icon="🩺", layout="wide")28st.markdown(29    """30    <style>31    /* Appliquer le dégradé uniquement à la barre latérale */32    [data-testid="stSidebar"] {33        background: linear-gradient(to bottom, #ffffff, #0044cc);34        color: black;35    }36    37    .container {38        width: 60%;39        margin: auto;40    }41    42.block {43    background: linear-gradient(to bottom, #ffffff, #ffffff);44    padding: 20px;45    border-radius: 10px;46    box-shadow: 0px 4px 6px rgba(0, 68, 204, 0.5); /* Ombre bleue */47    margin-bottom: 20px;48    animation: pop-in 0.5s ease-out;49    transition: transform 0.3s ease, box-shadow 0.3s ease;50}51    52    .block:hover {53        transform: translateY(-5px);54        box-shadow: 0px 8px 12px rgba(0, 0, 0, 0.2);55    }56 57    @keyframes pop-in {58        from {transform: scale(0.9); opacity: 0;}59        to {transform: scale(1); opacity: 1;}60    }61    </style>62    """,63    unsafe_allow_html=True64)65 66# 📌 Barre latérale67st.sidebar.title("🔍 Navigation")68page = st.sidebar.radio("Aller vers", ["Accueil", "Détection", "À Propos"])69 70# 📌 Accueil71if page == "Accueil":72    st.title("🩺 Détection des Maladies Rénales")73    st.markdown("<div class='container'>", unsafe_allow_html=True)74    75    st.markdown("""76<div class='block'>77    <h3> 📌 Maladies détectées </h3>78    <ul>79        <li>Cyst (Kystes rénaux)</li>80        <li>Normal (Aucun problème détecté)</li>81        <li>Stone (Calculs rénaux)</li>82        <li>Tumor (Tumeur rénale)</li>83    </ul>84</div>85""", unsafe_allow_html=True)86    st.markdown("</div>", unsafe_allow_html=True)87    st.markdown("""88<div class='block'>89    <h3> 🏥 Pourquoi utiliser cette application ? </h3>90<ul>91    <li><strong>Détection rapide</strong> grâce à l'IA</li>92    <li><strong>Facilité d'utilisation</strong> pour tous</li>93    <li><strong>Informations détaillées</strong> sur chaque maladie rénale</li>94    <li><strong>Suivi et prévention</strong> pour une meilleure santé rénale</li>95</ul>96</div>97""", unsafe_allow_html=True)98    99    100 101    st.markdown("""102<div class='block'>103    <h3> 💡 Conseils pour une bonne santé rénale</h3>104<ul>105    <li>Boire suffisamment d'eau chaque jour 💧</li>106    <li>Éviter la consommation excessive de sel et d'aliments transformés 🍔</li>107    <li>Faire de l'exercice régulièrement 🏃‍♂️</li>108    <li>Consulter un médecin en cas de douleur ou de symptômes persistants 🏥</li>109</ul>110</div>111""", unsafe_allow_html=True)112    113    114    115    st.markdown("</div>", unsafe_allow_html=True)116    st.image("kidney_banner2.png", use_column_width=True)117    st.markdown("</div>", unsafe_allow_html=True)118 119# 📌 Détection120st.title("🔍 Analyse d'une image")121 122# Affichage du GIF en attendant l'upload123st.image("detect.gif", use_column_width=False, width=600)124 125# Upload de l'image126uploaded_file = st.file_uploader("📂 Choisissez une image (JPG, PNG, JPEG)", type=["jpg", "png", "jpeg"])127 128if uploaded_file is not None:129    image = Image.open(uploaded_file)130 131    # 📌 Bouton pour afficher les résultats AU-DESSUS de l'image132    if st.button("🔍 Voir les résultats"):133        with st.expander("📝 Résultats de l'analyse", expanded=True):134            model = load_model()135            class_name, confidence = predict(image, model)136 137            st.success(f"🩺 **Classe prédite : {class_name}** ({confidence*100:.2f}%)")138 139            # 📌 Explications médicales140            if class_name == "Cyst":141                st.info("🔬 **Les kystes rénaux** sont des sacs remplis de liquide dans les reins. Ils sont généralement bénins.")142            elif class_name == "Stone":143                st.info("⚠️ **Les calculs rénaux** sont des dépôts minéraux durs qui peuvent provoquer des douleurs sévères.")144            elif class_name == "Tumor":145                st.warning("🚨 **Une tumeur rénale** peut être bénigne ou maligne. Il est conseillé de consulter un médecin.")146            else:147                st.success("✅ **Aucun problème détecté.** Continuez à surveiller votre santé !")148 149    # 📌 Affichage de l'image chargée en dessous du bouton150    st.image(image, caption="🖼️ Image chargée", use_column_width=True, width=250)151# 📌 À Propos de Nous152elif page == "À Propos":153    st.title("ℹ️ À Propos de Nous")154    st.image("st.gif", use_column_width=False, width=300)155    # 📌 Présentation du modèle ResNet50156    st.markdown("""157    <div class='block'>158        <h3>🧠 Le Modèle : ResNet50</h3>159        <p>Notre application utilise <strong>ResNet50</strong>, un réseau de neurones convolutif profond 160        conçu pour la classification d’images. ResNet50 est puissant grâce à ses couches résiduelles qui 161        améliorent l'apprentissage et réduisent le problème de gradient évanescent.</p>162    </div>163    """, unsafe_allow_html=True)164    165    # 📌 Résultats de l'entraînement166    st.markdown("""167    <div class='block'>168        <h3>📈 Résultats de l'entraînement</h3>169        <ul>170            <li><strong>Nombre d’époques :</strong> 8</li>171            <li><strong>Précision finale :</strong> 64.00%</li>172            <li><strong>Perte finale :</strong> 0.8676</li>173            <li><strong>Précision de validation :</strong> 64.00%</li>174            <li><strong>Perte de validation :</strong> 0.8636</li>175        </ul>176    </div>177    """, unsafe_allow_html=True)178 179    # 📌 À propos du créateur180    st.markdown("""181    <div class='block'>182        <h3>👨‍💻 Créateur de l'Application</h3>183        <p>Cette application a été développée par <strong>Bea Elie </strong>, un passionné d'IA et de développement 184        d'applications intelligentes. Mon objectif est de rendre la détection des maladies rénales plus 185        accessible grâce à la technologie.</p>186    </div>187    """, unsafe_allow_html=True)188    189# 📌 Affichage de ta photo et contact dans un bloc centré190    st.markdown("""191    <div style="192        display: flex;193        flex-direction: column;194        justify-content: center;195        align-items: center;196        text-align: center;197        background: linear-gradient(to left, #ffffff, #B1AFEB, #ffffff);198        padding: 20px;199        border-radius: 10px;200        box-shadow: 0px 4px 6px rgba(0, 0, 0, 0.1);201        width: 50%;202        margin: auto;203    ">204        <h3>BEA ELIE</h3>205        <h3>📩 Contact</h3>206        <p><strong>Email :</strong> <a href='mailto:beaelie239@gmail.com'>beaelie239@gmail.com</a></p>207    </div>208""", unsafe_allow_html=True)209 210