application2/README.md

# Application Flutter - Détection de Tuberculose Pulmonaire

Cette application Flutter reproduit les fonctionnalités de votre application Streamlit pour la détection de tuberculose à partir de radiographies thoraciques.

## 🚀 Fonctionnalités

- **Interface utilisateur moderne** : Design Material adapté pour mobile
- **Prise de photos** : Caméra intégrée ou sélection depuis la galerie
- **Intelligence artificielle** : Classification automatique avec TensorFlow Lite
- **Détection de nodules** : Analyse visuelle des anomalies pulmonaires
- **Partage d'images** : Export et partage des résultats d'analyse
- **Interface intuitive** : Navigation par drawer et layout responsive

## 📋 Prérequis

- Flutter SDK (version 3.0 ou supérieure)
- Dart SDK (version 2.18 ou supérieure)
- Android Studio / VS Code avec extensions Flutter
- Un appareil Android/iOS ou émulateur

## 🛠️ Installation

### 1. Cloner le projet
```bash

git clone <votre-repo>

cd tuberculosis_detection

```

### 2. Installer les dépendances
```bash

flutter pub get

```

### 3. Ajouter le modèle TensorFlow Lite

Créez le dossier `assets/models/` dans votre projet et placez-y votre modèle :

```

assets/

  models/

    mon_modele_final.tflite

```

**Important** : Convertissez votre modèle Keras en format TensorFlow Lite :

```python

# Script Python pour convertir le modèle

import tensorflow as tf



# Charger votre modèle Keras

model = tf.keras.models.load_model('mon_modele_final.keras')



# Convertir en TFLite

converter = tf.lite.TFLiteConverter.from_keras_model(model)

converter.optimizations = [tf.lite.Optimize.DEFAULT]

tflite_model = converter.convert()



# Sauvegarder

with open('mon_modele_final.tflite', 'wb') as f:

    f.write(tflite_model)

```

### 4. Configuration des permissions

#### Android
Le fichier `android/app/src/main/AndroidManifest.xml` doit contenir :

```xml

<uses-permission android:name="android.permission.CAMERA" />

<uses-permission android:name="android.permission.READ_EXTERNAL_STORAGE" />

<uses-permission android:name="android.permission.WRITE_EXTERNAL_STORAGE" />

```

#### iOS
Ajoutez dans `ios/Runner/Info.plist` :

```xml

<key>NSCameraUsageDescription</key>

<string>Cette app a besoin d'accéder à la caméra pour prendre des photos de radiographies.</string>

<key>NSPhotoLibraryUsageDescription</key>

<string>Cette app a besoin d'accéder à la galerie pour sélectionner des radiographies.</string>

```

### 5. Lancer l'application

```bash

# Vérifier les appareils disponibles

flutter devices



# Lancer sur l'appareil connecté

flutter run



# Ou lancer en mode release

flutter run --release

```

## 📱 Utilisation

1. **Charger une image** : Utilisez les boutons "Galerie" ou "Caméra"
2. **Analyser** : Appuyez sur "🔍 Analyser l'image"
3. **Consulter les résultats** : Diagnostic, probabilité et nodules détectés
4. **Partager** : Exportez l'image analysée via le bouton "Partager"

## 🏗️ Architecture du Code

```

lib/

  main.dart                 # Point d'entrée et interface principale

  

assets/

  models/

    mon_modele_final.tflite  # Modèle TensorFlow Lite

```

### Classes principales

- `TuberculosisDetectionApp` : Application principale
- `TuberculosisDetectionScreen` : Écran principal avec logique métier
- `_preprocessImage()` : Préprocessing des images pour le modèle
- `_detectNodules()` : Détection simulée des nodules pulmonaires
- `_analyzeImage()` : Pipeline complet d'analyse

## 🔧 Personnalisation

### 1. Modifier les paramètres du modèle

```dart

// Dans _preprocessImage()

final resized = img.copyResize(image, width: 224, height: 224);



// Dans _analyzeImage()

final isTB = prediction > 0.5; // Seuil de décision

```

### 2. Personnaliser l'interface

```dart

// Couleurs du thème

theme: ThemeData(

  primarySwatch: Colors.blue, // Changer la couleur principale

),



// Textes de l'interface

title: Text('🩺 Votre Titre Personnalisé'),

```

### 3. Ajouter de nouvelles fonctionnalités

- Historique des analyses
- Export PDF des rapports
- Mode sombre/clair
- Support multi-langues

## 🐛 Dépannage

### Problème de modèle TensorFlow Lite

```bash

# Vérifier que le modèle est bien présent

ls -la assets/models/



# Si le modèle n'est pas trouvé, l'app fonctionne en mode simulation

```

### Problèmes de permissions

```bash

# Réinitialiser les permissions de l'app

flutter clean

flutter pub get

flutter run

```

### Erreurs de build

```bash

# Nettoyer le build

flutter clean

flutter pub get



# Reconstruire

flutter build apk --debug

```

## 📦 Build de Production

### Android (APK)
```bash

flutter build apk --release

# Le fichier sera dans build/app/outputs/flutter-apk/

```

### Android (App Bundle)
```bash

flutter build appbundle --release

# Pour publication sur Google Play Store

```

### iOS
```bash

flutter build ios --release

# Nécessite un compte développeur Apple

```

## 🔒 Sécurité et Confidentialité

- **Données locales** : Toutes les analyses sont effectuées sur l'appareil
- **Pas de cloud** : Aucune image n'est envoyée vers des serveurs externes
- **Permissions minimales** : Seuls caméra et stockage sont demandés
- **Avertissement médical** : Interface claire sur les limitations de l'outil

## 📚 Ressources Supplémentaires

- [Documentation Flutter](https://docs.flutter.dev/)
- [TensorFlow Lite Flutter](https://pub.dev/packages/tflite_flutter)
- [Image Picker Plugin](https://pub.dev/packages/image_picker)
- [Material Design Guidelines](https://material.io/design)

## 🤝 Contribution

Pour contribuer au projet :

1. Fork le repository
2. Créer une branche feature (`git checkout -b feature/AmazingFeature`)
3. Commit les changements (`git commit -m 'Add AmazingFeature'`)
4. Push sur la branche (`git push origin feature/AmazingFeature`)
5. Ouvrir une Pull Request

## 📄 Licence

Ce projet est sous licence MIT. Voir le fichier `LICENSE` pour plus de détails.

## ⚠️ Avertissement Médical

Cette application est destinée à l'aide au diagnostic uniquement. Elle ne remplace pas l'avis d'un professionnel de santé qualifié. Toujours consulter un médecin pour un diagnostic définitif.