Delete README.md
Browse files
README.md
DELETED
|
@@ -1,46 +0,0 @@
|
|
| 1 |
-
# Détection de fracture (Radiographie) — Prototype (FR)
|
| 2 |
-
|
| 3 |
-
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.
|
| 4 |
-
|
| 5 |
-
## Utilisation
|
| 6 |
-
1. Téléversez une radiographie (PNG/JPG, niveaux de gris ou RGB acceptés).
|
| 7 |
-
2. Choisissez la région anatomique (Poignet recommandé pour la détection par boîtes).
|
| 8 |
-
3. Cliquez sur « Analyser » pour afficher l’image annotée et les détails en JSON.
|
| 9 |
-
|
| 10 |
-
## Avertissement médical
|
| 11 |
-
- Cet outil n’est pas un dispositif médical.
|
| 12 |
-
- Il ne remplace pas l’avis d’un(e) radiologue/médecin.
|
| 13 |
-
- À utiliser comme aide indicative uniquement.
|
| 14 |
-
|
| 15 |
-
## Déploiement sur Hugging Face Spaces
|
| 16 |
-
- SDK: Gradio
|
| 17 |
-
- Fichier d’entrée: `app.py`
|
| 18 |
-
- Matériel: CPU Basic
|
| 19 |
-
- Visibilité: Public
|
| 20 |
-
- Paramètres Runtime: activez « Internet » (nécessaire pour télécharger le modèle ONNX la première fois).
|
| 21 |
-
|
| 22 |
-
### Fichiers requis
|
| 23 |
-
- `app.py`
|
| 24 |
-
- `requirements.txt`
|
| 25 |
-
- `README.md` (ce fichier)
|
| 26 |
-
|
| 27 |
-
### Dépendances (extrait)
|
| 28 |
-
- gradio
|
| 29 |
-
- onnxruntime (CPU)
|
| 30 |
-
- opencv-python-headless
|
| 31 |
-
- numpy, pillow, requests
|
| 32 |
-
|
| 33 |
-
## Modèle
|
| 34 |
-
- YOLOv7 (poignet) — poids ONNX téléchargés automatiquement:
|
| 35 |
-
- https://github.com/mdciri/YOLOv7-Bone-Fracture-Detection/releases/download/trained-models/yolov7-p6-bonefracture.onnx
|
| 36 |
-
|
| 37 |
-
Le fichier est mis en cache dans le dossier `models/` du Space (persistant entre redémarrages, réinitialisé en cas de reconstruction).
|
| 38 |
-
|
| 39 |
-
## Limites connues
|
| 40 |
-
- Détection par boîtes principalement fiable sur le poignet (dataset GRAZPEDWRI-DX).
|
| 41 |
-
- Autres régions: résultats exploratoires; ajouter d’autres poids spécifiques améliorera la couverture.
|
| 42 |
-
- Sensibilité à la qualité de l’image et au positionnement.
|
| 43 |
-
|
| 44 |
-
## Crédits
|
| 45 |
-
- Dataset GRAZPEDWRI-DX.
|
| 46 |
-
- Implémentation et poids YOLOv7 adaptés au poignet (référence GitHub mdciri/YOLOv7-Bone-Fracture-Detection).
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|