app.py

#Importer les librairies
import streamlit as st
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
from tensorflow.keras.utils import load_img,img_to_array
from tensorflow.keras.preprocessing import image
from PIL import Image,ImageOps
from tensorflow.keras.applications import InceptionV3

st.sidebar.image("keyce.jpg")

menu_options = ["Documentation", "Application"]

selection = st.sidebar.selectbox("Sélectionnez une page", menu_options)

if selection == "Documentation":
    st.title("Bienvenue sur la documentation")
    st.write("L'application de surveillance médicale pour COVID, Pneumonie et Tuberculose est un outil interactif conçu pour aider les professionnels de la santé à suivre et analyser les cas de ces maladies respiratoires. L'application fournit des fonctionnalités permettant de visualiser les données, d'effectuer des analyses approfondies et de prendre des décisions éclairées.")
    st.header("Configuration Requise")
    st.subheader("1.Matériel")
    st.markdown("* Un ordinateur ou un appareil mobile avec un accès à Internet. ",unsafe_allow_html=True)
    st.subheader("2.Logiciels:")
    st.markdown("* Un navigateur web moderne (Chrome, Firefox). ",unsafe_allow_html=True)
elif selection == "Application":
	def main():
		
		st.title(":red[APPLICATION DE PREDICTION DU COVID] :bar_chart: :chart:")
	
		st.markdown("* NOM: FOSSO TCHATAT SIDOINE ",unsafe_allow_html=True)
		
		model = tf.keras.models.load_model("model.h5")
		covid_classes = {'COVID19': 0, 'NORMAL': 1, 'PNEUMONIA': 2, 'TURBERCULOSIS': 3}
		tab1, tab2,tab3= st.tabs(["Uploader le fichier",":bar_chart: Evaluation du model", ":mask: :smile: Prediction"])
		
		with tab1:
			upload_file = st.file_uploader("Telecharger un fichier",type = ['JPEG','jpg','png','PNG'])
		with tab2:
			st.image("loss.png")
		with tab3:
			
			if upload_file:
				st.image(upload_file,caption="Image téléchargée",use_column_width=True)
				test_image = image.load_img(upload_file,target_size=(299,299))
				image_array = img_to_array(test_image)
				image_array = np.expand_dims(image_array,axis=0)
                
				#Boutton pour effectuer la prédiction
				btn_prediction = st.button("Effectuer le diagnostic")

				if btn_prediction:
					predictions = model.predict(image_array)
					classes = np.argmax(predictions[0])
                    

					for cle, valeur in covid_classes.items():
						if valeur == classes:
							st.write("The diagostic is :",cle)

                		
	if __name__ == '__main__':
		main()