app.py

import streamlit as st
import torch
from transformers import AutoImageProcessor, AutoModelForImageClassification
from PIL import Image
import requests
from io import BytesIO
from pdf2image import convert_from_bytes

# إعداد اسم النموذج
model_path = r"AsmaaElnagger/Diabetic_RetinoPathy_detection"

# تحميل النموذج والمعالج
@st.cache_resource
def load_model():
    processor = AutoImageProcessor.from_pretrained(model_path)
    model = AutoModelForImageClassification.from_pretrained(model_path)
    model.eval()
    return model, processor

# دالة التنبؤ بتصنيف الصورة
def predict(image, model, processor):
    inputs = processor(images=image, return_tensors="pt")
    with torch.no_grad():
        outputs = model(**inputs)
    predictions = torch.nn.functional.softmax(outputs.logits, dim=-1)
    predicted_class = predictions.argmax().item()
    predicted_label = model.config.id2label[predicted_class]
    return predicted_label

# ✅ واجهة Streamlit
st.set_page_config(page_title="Diabetic Retinopathy Detection", page_icon="👁️")

# 🔹 إضافة الهيدر (Header)
st.title("🔍 Diabetic Retinopathy Detection")
st.markdown(
    """
    ### 🏥 مشروع لاكتشاف **اعتلال الشبكية السكري**
    - يعتمد هذا التطبيق على نموذج ذكاء اصطناعي مدرب للكشف عن اعتلال الشبكية السكري من خلال الصور الطبية.
    - يستخدم النموذج **DINOv2** من Hugging Face مع مكتبة Transformers.
    - قم بتحميل صورة **أو** أدخل رابط صورة للحصول على التشخيص التلقائي.
    """
)

# 📌 تحميل النموذج والمعالج
model, processor = load_model()

# 🔹 اختيار طريقة إدخال الصورة
st.sidebar.header("📂 اختر طريقة الإدخال")
option = st.sidebar.radio("", ("📤 رفع صورة أو ملف PDF", "🌐 إدخال رابط صورة"))

image = None

if option == "📤 رفع صورة أو ملف PDF":
    uploaded_file = st.file_uploader("📎 اختر صورة أو ملف PDF...", type=["jpg", "png", "jpeg", "pdf"])
    if uploaded_file:
        if uploaded_file.type == "application/pdf":
            images = convert_from_bytes(uploaded_file.read())
            if images:
                image = images[0]  # استخدام الصفحة الأولى من ملف PDF
                st.image(image, caption="📄 صورة مستخرجة من PDF", use_column_width=True)
        else:
            image = Image.open(uploaded_file)
            st.image(image, caption="🖼️ الصورة المرفوعة", use_column_width=True)

elif option == "🌐 إدخال رابط صورة":
    url = st.text_input("🔗 أدخل رابط الصورة هنا")
    if url:
        try:
            response = requests.get(url)
            image = Image.open(BytesIO(response.content))
            st.image(image, caption="🖼️ الصورة المستوردة", use_column_width=True)
        except Exception as e:
            st.error("⚠️ خطأ في تحميل الصورة من الرابط!")

# 🔹 التنبؤ بتصنيف الصورة
if image:
    st.subheader("🧠 النموذج يعمل على تحليل الصورة...")
    prediction = predict(image, model, processor)
    st.success(f"✅ **مرحلة المرض: {prediction}**")

# ✅ إضافة فوتر (Footer)
st.markdown(
    """
    ---
    **👩‍💻 تم تطويره بواسطة [Asmaa Elnagger](https://huggingface.co/AsmaaElnagger)**  
    🔗 يعتمد على [DINOv2](https://huggingface.co/docs/transformers/model_doc/dinov2) من Hugging Face  
    📅 تم التحديث في: 2025  
    """
)