Create app.py

app.py

@@ -0,0 +1,98 @@
+import gradio as gr
+from transformers import AutoImageProcessor, AutoModelForImageSegmentation
+from PIL import Image
+import torch
+import matplotlib.pyplot as plt
+import numpy as np
+
+# 1️⃣ โหลดโมเดล pre-trained จาก Hugging Face
+model_name = "MLforHealthcare/sam2rad"  # MedSAM2
+processor = AutoImageProcessor.from_pretrained(model_name)
+model = AutoModelForImageSegmentation.from_pretrained(model_name)
+
+# 2️⃣ dictionary คำอธิบายอวัยวะ 50 ชิ้น
+organ_desc = {
+    0: "สมอง 🧠: ควบคุมการทำงานของร่างกาย",
+    1: "หัวใจ ❤️: สูบฉีดเลือด",
+    2: "ปอด 💨: แลกเปลี่ยนก๊าซ",
+    3: "ตับ 🍵: กำจัดสารพิษ",
+    4: "ไต 💧: กรองของเสียในเลือด",
+    5: "กระเพาะอาหาร 🥘: ย่อยอาหาร",
+    6: "ลำไส้เล็ก 🌾: ดูดซึมอาหาร",
+    7: "ลำไส้ใหญ่ 🌽: ดูดซึมและขับถ่าย",
+    8: "ตับอ่อน 🍭: สร้างอินซูลิน",
+    9: "กระเพาะปัสสาวะ 💦: เก็บปัสสาวะ",
+    10: "ม้าม 🔴: กรองเลือดและระบบภูมิคุ้มกัน",
+    11: "หลอดเลือดแดงใหญ่ 🔴: นำเลือดจากหัวใจไปยังร่างกาย",
+    12: "หลอดเลือดดำใหญ่ 🔵: นำเลือดกลับสู่หัวใจ",
+    13: "กระดูกสันหลัง 🦴: รองรับร่างกายและปกป้องไขสันหลัง",
+    14: "กล้ามเนื้อแขน 💪: ขยับแขน",
+    15: "กล้ามเนื้อขา 🦵: ขยับขาและเดิน",
+    16: "ผิวหนัง 🩸: ปกป้องร่างกาย",
+    17: "ลูกตา 👁️: รับภาพ",
+    18: "หู 👂: ได้ยินและรักษาสมดุล",
+    19: "จมูก 👃: ดมกลิ่น",
+    20: "ลิ้น 👅: ชิมอาหาร",
+    21: "ฟัน 🦷: เคี้ยวอาหาร",
+    22: "หูชั้นกลาง 🔊: นำเสียงเข้าโสตประสาท",
+    23: "กล่องเสียง 🗣️: สร้างเสียงพูด",
+    24: "หลอดลม 🌬️: นำอากาศเข้าสู่ปอด",
+    25: "หลอดอาหาร 🍴: นำอาหารสู่กระเพาะ",
+    26: "ไส้เลื่อน/เนื้อเยื่อใต้ผิว 🔹: ปกป้องอวัยวะภายใน",
+    27: "ต่อมไทรอยด์ 🦋: ควบคุมเมตาบอลิซึม",
+    28: "ต่อมหมวกไต 🏔️: ผลิตฮอร์โมน",
+    29: "อัณฑะ/รังไข่ 🔵: สร้างเซลล์สืบพันธุ์",
+    30: "มดลูก/อวัยวะสืบพันธุ์หญิง 🌸: ตั้งครรภ์",
+    31: "หลอดน้ำเหลือง 💛: ระบบภูมิคุ้มกัน",
+    32: "ต่อมน้ำเหลือง 💚: กรองเชื้อโรค",
+    33: "กระดูกเชิงกราน 🦴: รองรับอวัยวะภายใน",
+    34: "หัวเข่า 🦵: ขยับขา",
+    35: "ข้อศอก 💪: ขยับแขน",
+    36: "ไส้ติ่ง 🔺: อวัยวะเสริมย่อยอาหาร",
+    37: "เนื้อเยื่อไขมัน 🟡: เก็บพลังงาน",
+    38: "กล้ามเนื้อหน้าอก 💪: ช่วยหายใจและขยับแขน",
+    39: "กระดูกหน้าอก 🦴: ปกป้องหัวใจและปอด",
+    40: "ขากรรไกร 👄: เคี้ยวอาหาร",
+    41: "หลอดเลือดฝอย 🔴🔵: แลกเปลี่ยนสารอาหารและออกซิเจน",
+    42: "กระดูกสันคอ 🦴: ปกป้องไขสันหลังส่วนคอ",
+    43: "เส้นประสาท 🧬: ส่งสัญญาณร่างกาย",
+    44: "เส้นเอ็น/เอ็นกล้ามเนื้อ 🔗: เชื่อมกล้ามเนื้อกับกระดูก",
+    45: "กล้ามเนื้อหน้าท้อง 💪: รองรับอวัยวะภายใน",
+    46: "ผนังช่องท้อง 🩻: ปกป้องอวัยวะในช่อ��ท้อง",
+    47: "ต่อมน้ำลาย 🟤: ผลิตน้ำลาย",
+    48: "ต่อมน้ำนม 🍼: สร้างน้ำนม (หญิง)",
+    49: "สมองน้อย 🧠: ควบคุมการทรงตัวและการเคลื่อนไหว"
+}
+
+# 3️⃣ ฟังก์ชันตรวจจับอวัยวะ
+def detect_organs(img):
+    inputs = processor(images=img, return_tensors="pt")
+    with torch.no_grad():
+        outputs = model(**inputs)
+    seg_map = outputs.logits.argmax(dim=1).squeeze().cpu().numpy()
+    
+    # วาด overlay
+    plt.figure(figsize=(6,6))
+    plt.imshow(img)
+    plt.imshow(seg_map, alpha=0.5, cmap='jet')
+    plt.axis('off')
+    plt.tight_layout()
+    plt.savefig("segmented.png", bbox_inches='tight', pad_inches=0)
+    segmented_img = Image.open("segmented.png")
+    
+    # ดึงคำอธิบายอวัยวะที่พบ
+    detected_organs = np.unique(seg_map)
+    descriptions = [organ_desc.get(int(o), f"อวัยวะ {int(o)}") for o in detected_organs]
+    
+    return segmented_img, "\n".join(descriptions)
+
+# 4️⃣ สร้าง Gradio Interface
+iface = gr.Interface(
+    fn=detect_organs,
+    inputs=gr.Image(type="pil"),
+    outputs=[gr.Image(type="pil"), gr.Textbox()],
+    title="ตรวจจับอวัยวะ 50 ชิ้นด้วย MedSAM2",
+    description="อัปโหลดภาพ → AI ตรวจจับอวัยวะ → วาดกรอบ → แสดงคำอธิบาย"
+)
+
+iface.launch()