Update app.py

app.py

@@ -7,37 +7,53 @@ from tensorflow.keras.utils import load_img,img_to_array
 from tensorflow.keras.preprocessing import image
 from PIL import Image,ImageOps
 
+st.sidebar.image("image/keyce.jpg")
 
-	#Donner un titre
-st.title(":red[APPLICATION DE PREDICTION DU COVID] :bar_chart: :chart:")
-st.markdown("* NOM: FOSSO TCHATAT SIDOINE ",unsafe_allow_html=True)
+menu_options = ["Documentation", "Application"]
 
-#loader l'image
-st.image("keyce.jpg")
+selection = st.sidebar.selectbox("Sélectionnez une page", menu_options)
 
-upload_file = st.file_uploader("Telecharger un fichier",type = ['JPEG','jpg','png','PNG'])
+if selection == "Docummentation":
+    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.")
 
-
-model = tf.keras.models.load_model("model.h5")
-covid_classes = {'COVID19': 0, 'NORMAL': 1, 'PNEUMONIA': 2, 'TURBERCULOSIS': 3}
-tab1, tab2= st.tabs([":bar_chart: Evaluation du model", ":mask: :smile: Prediction"])
-
-with tab1:
-	st.image("loss.png")
-with tab2:
-	generate_pred = st.button("Predict")
-	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)
-
-		if generate_pred:
-			predictions = model.predict(image_array)
-			classes = np.argmax(predictions[0])
-			for key,value in covid_classes.items():
-				if value == classes:
-					st.write("The diagostic is :",key)
-	
+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("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)
+
+		#Donner un titre
+
+	if __name__ == '__main__':
+		main()
+