import gradio as gr
import tensorflow as tf
import numpy as np
import cv2

new_model = tf.keras.models.load_model('best_model_mammography.h5')

def classificar_imagem(file_name):
    img1 = cv2.imread(file_name.name.replace("\\", '/'), 0)
    img = cv2.resize(img1, (224, 224))
    img = img.reshape(img.shape[0], img.shape[1], 1)
    pred = new_model.predict(np.array([img]))
    pred = np.round(pred, 1)
    if pred == 0:
        pred_label = "Benigno"
    else:
        pred_label = "Maligno"
    pred_score = f"{float(pred) * 100:.2f}%"
    return pred_label, pred_score


imagem = gr.inputs.File(file_count=1, label="Imagem de mamografia")
resultado_diagnostico = [gr.outputs.Textbox(label="Diagnóstico"), gr.outputs.Textbox(label="Confiança")]

gr.Interface(
    fn=classificar_imagem,
    inputs=imagem,
    outputs=resultado_diagnostico,
    interpretation="default",
    live=True,
    theme="dark-peach",
    title="API BreastNet - Teste de diagnóstico de Câncer de Mama",
    description="Esta API é usada para determinar se o câncer de mama é benigno ou maligno."
).launch()