File size: 2,138 Bytes
1ea4969 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 | ---
title: Bsyrx
emoji: 🦴
colorFrom: blue
colorTo: indigo
sdk: gradio
sdk_version: "4.29.0"
app_file: app.py
pinned: false
---
# Détection de fracture (Radiographie) — Prototype (FR)
Application Gradio gratuite (CPU) pour détecter des fractures sur des radiographies. Interface 100% en ligne, aucun téléchargement de base de données requis. Le modèle de détection (boîtes) est entraîné sur le poignet (GRAZPEDWRI-DX). Les autres régions sont exploratoires.
## Utilisation
1. Téléversez une radiographie (PNG/JPG, niveaux de gris ou RGB acceptés).
2. Choisissez la région anatomique (Poignet recommandé pour la détection par boîtes).
3. Cliquez sur « Analyser » pour afficher l’image annotée et les détails en JSON.
## Avertissement médical
- Cet outil n’est pas un dispositif médical.
- Il ne remplace pas l’avis d’un(e) radiologue/médecin.
- À utiliser comme aide indicative uniquement.
## Déploiement sur Hugging Face Spaces
- SDK: Gradio
- Fichier d’entrée: `app.py`
- Matériel: CPU Basic
- Visibilité: Public
- Paramètres Runtime: activez « Internet » (nécessaire pour télécharger le modèle ONNX la première fois).
### Fichiers requis
- `app.py`
- `requirements.txt`
- `README.md` (ce fichier)
### Dépendances (extrait)
- gradio
- onnxruntime (CPU)
- opencv-python-headless
- numpy, pillow, requests
## Modèle
- YOLOv7 (poignet) — poids ONNX téléchargés automatiquement:
- https://github.com/mdciri/YOLOv7-Bone-Fracture-Detection/releases/download/trained-models/yolov7-p6-bonefracture.onnx
Le fichier est mis en cache dans le dossier `models/` du Space (persistant entre redémarrages, réinitialisé en cas de reconstruction).
## Limites connues
- Détection par boîtes principalement fiable sur le poignet (dataset GRAZPEDWRI-DX).
- Autres régions: résultats exploratoires; ajouter d’autres poids spécifiques améliorera la couverture.
- Sensibilité à la qualité de l’image et au positionnement.
## Crédits
- Dataset GRAZPEDWRI-DX.
- Implémentation et poids YOLOv7 adaptés au poignet (référence GitHub mdciri/YOLOv7-Bone-Fracture-Detection).
|