Update app.py

app.py

@@ -9,10 +9,23 @@ st.title("Détection de fractures osseuses par rayons X")
 
 @st.cache_resource
 def load_model():
-    return pipeline("object-detection", model="anirban22/detr-resnet-50-med_fracture")
+    return pipeline(
+        "object-detection",
+        model="anirban22/detr-resnet-50-med_fracture",
+        threshold=0.1  # Réduire le seuil de confiance
+    )
 
 model = load_model()
 
+def enhance_image(image):
+    # Convertir en niveaux de gris
+    gray = cv2.cvtColor(np.array(image), cv2.COLOR_RGB2GRAY)
+    # Améliorer le contraste
+    clahe = cv2.createCLAHE(clipLimit=3.0, tileGridSize=(8,8))
+    enhanced = clahe.apply(gray)
+    # Reconvertir en RGB
+    return cv2.cvtColor(enhanced, cv2.COLOR_GRAY2RGB)
+
 uploaded_file = st.file_uploader("Téléchargez une image radiographique", type=["jpg", "jpeg", "png"])
 
 if uploaded_file:
@@ -22,42 +35,40 @@ if uploaded_file:
         size = (800, int(image.size[1] * ratio))
         image = image.resize(size, Image.Resampling.LANCZOS)
     
-    image_array = np.array(image)
+    # Améliorer l'image
+    enhanced_image = enhance_image(image)
     
-    # Get predictions
-    predictions = model(image)
+    # Obtenir les prédictions
+    predictions = model(enhanced_image)
     
-    # Create columns for display
     col1, col2 = st.columns(2)
     
     with col1:
         st.image(image, caption="Image originale", use_container_width=True)
     
     with col2:
-        # Draw bounding boxes
-        img_with_boxes = image_array.copy()
+        img_with_boxes = enhanced_image.copy()
         for pred in predictions:
             box = pred['box']
             score = pred['score']
-            label = pred['label']
             
-            # Draw rectangle
             x1, y1, x2, y2 = [int(i) for i in [box['xmin'], box['ymin'], box['xmax'], box['ymax']]]
-            cv2.rectangle(img_with_boxes, (x1, y1), (x2, y2), (255, 0, 0), 2)
+            # Rectangle rouge plus épais
+            cv2.rectangle(img_with_boxes, (x1, y1), (x2, y2), (255, 0, 0), 3)
             
-            # Add label and score
-            text = f"{label}: {score:.2f}"
-            cv2.putText(img_with_boxes, text, (x1, y1-10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 0, 0), 2)
+            # Texte plus visible
+            text = f"Fracture: {score:.2f}"
+            cv2.putText(img_with_boxes, text, (x1, y1-10), 
+                       cv2.FONT_HERSHEY_SIMPLEX, 0.7, (255, 0, 0), 2)
         
-        st.image(img_with_boxes, caption="Fractures détectées", use_container_width=True)
+        st.image(img_with_boxes, caption="Détection des fractures", use_container_width=True)
     
-    # Display results
     st.subheader("Résultats")
     if predictions:
-        for pred in predictions:
-            st.warning(f"⚠️ {pred['label']} détectée (Confiance: {pred['score']*100:.1f}%)")
+        for idx, pred in enumerate(predictions, 1):
+            st.warning(f"⚠️ Fracture {idx} détectée (Confiance: {pred['score']*100:.1f}%)")
     else:
-        st.success("✅ Aucune fracture détectée")
+        st.warning("⚠️ Aucune fracture n'a été détectée avec certitude. Veuillez consulter un professionnel pour confirmation.")
         
 else:
     st.info("Veuillez télécharger une image radiographique pour l'analyse.")