Update api_app.py

api_app.py

@@ -116,17 +116,17 @@ def predict_with_mc_dropout(current_model_instance, input_tensor_on_device, mc_d
     std_dev_probabilities = np.std(predictions_stack, axis=0) # Kształt: (num_classes,)
 
     predicted_class_index = np.argmax(mean_probabilities)
-    confidence_in_predicted_class = mean_probabilities[predicted_class_index]
+    confidence_in_predicted_class = float(mean_probabilities[predicted_class_index]) # Jawna konwersja do float
     
     # Użyj średniej odchyleń standardowych prawdopodobieństw wszystkich klas jako metryki niepewności
     uncertainty_metric = np.mean(std_dev_probabilities) 
 
     is_uncertain = uncertainty_metric > uncertainty_threshold_std # Użyj uncertainty_threshold_std
-    logger.info(f"MC Dropout Results: Predicted Index: {predicted_class_index}, Confidence: {confidence_in_predicted_class:.4f}, Uncertainty (avg_std): {uncertainty_metric:.4f}, Is Uncertain: {is_uncertain}")
+    logger.info(f"MC Dropout Results: Predicted Index: {int(predicted_class_index)}, Confidence: {confidence_in_predicted_class:.4f}, Uncertainty (avg_std): {uncertainty_metric:.4f}, Is Uncertain: {is_uncertain}")
 
-    birads_category_if_confident = predicted_class_index + 1
+    birads_category_if_confident = int(predicted_class_index) + 1 # Jawna konwersja do int
     base_result = {
-        "birads": birads_category_if_confident if not is_uncertain else None,
+        "birads": int(birads_category_if_confident) if not is_uncertain else None, # Jawna konwersja do int
         "confidence": float(confidence_in_predicted_class) if not is_uncertain else None,
         "interpretation": interpretations_dict.get(birads_category_if_confident, "Nieznana klasyfikacja") if not is_uncertain \
                           else f"Model jest niepewny co do tego obrazu (niepewność: {uncertainty_metric:.4f}). Sprawdź jakość i typ obrazu. Może to być obraz spoza domeny medycznej.",