Update app.py

app.py

@@ -7,7 +7,7 @@ import tensorflow as tf
 from tensorflow import keras
 
 # Cargar el modelo entrenado
-model1 = load_model('./isatron_v3.h5')
+model1 = load_model('./modelo_isatron_jeysshonl.h5')
 
 # Función para encontrar la última capa convolucional
 def find_last_conv_layer(model):
@@ -89,15 +89,24 @@ def image_classifier1(img):
     img_array = load_and_preprocess_image1(img)
     # Realizar predicción usando model1
     preds = model1.predict(img_array)
-    prediction = preds[0][0]  # Suponiendo que el modelo devuelve una probabilidad
-    # Determinar el índice de la clase predicha
-    pred_index = int(prediction > 0.5)
+    
+    # Asumimos que el modelo devuelve una probabilidad entre 0 y 1 para PNEUMONIA
+    prediction = preds[0][0]  # Suponiendo que el modelo devuelve la probabilidad de neumonía
+
+    # Si la predicción es mayor a 0.5, consideramos que es neumonía
+    if prediction > 0.5:
+        pred_label = "PNEUMONIA"
+        prediction_percentage = {'PNEUMONIA': float(prediction * 100), 'NORMAL': float((1 - prediction) * 100)}
+    else:
+        pred_label = "NORMAL"
+        prediction_percentage = {'NORMAL': float((1 - prediction) * 100), 'PNEUMONIA': float(prediction * 100)}
+
     # Generar mapa de calor
-    heatmap = make_gradcam_heatmap(img_array, model1, last_conv_layer_name, pred_index=pred_index)
+    heatmap = make_gradcam_heatmap(img_array, model1, last_conv_layer_name, pred_index=int(prediction > 0.5))
     # Superponer mapa de calor en la imagen original
     overlayed_img = overlay_heatmap(heatmap, orig_img)
+    
     # Retornar la imagen superpuesta y los porcentajes de predicción
-    prediction_percentage = {'PNEUMONIA': float(prediction), 'NORMAL': float(1 - prediction)}
     return overlayed_img, prediction_percentage
 
 # Crear interfaz Gradio con estilo predeterminado y pie de página