src/streamlit_app.py

import os
import streamlit as st
import tensorflow as tf
import numpy as np
from PIL import Image

IMG_SIZE = 224

BASE_DIR = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
MODEL_PATH = os.path.join(BASE_DIR, "cobb_angle_model_mae_3_42.keras")

@st.cache_resource
def load_model():
    return tf.keras.models.load_model(MODEL_PATH)

model = load_model()

def yorumla(angle):
    if angle < 10:
        return "Normal, takip yok"
    elif angle < 25:
        return "Hafif skolyoz, 6 ayda bir kontrol"
    elif angle < 40:
        return "Orta şiddetli, korse tedavisi"
    else:
        return "Şiddetli, cerrahi düşünülür"

def predict_cobb(image):
    image = image.convert("RGB")
    image = image.resize((IMG_SIZE, IMG_SIZE))

    arr = np.array(image) / 255.0
    arr = np.expand_dims(arr, axis=0)

    pred = model.predict(arr, verbose=0)[0][0]
    return float(pred)

st.set_page_config(
    page_title="Cobb Angle Estimator",
    page_icon="🩻",
    layout="centered"
)

st.title("🩻 Cobb Angle Estimator")
st.write("X-Ray görüntüsünden tahmini Cobb açısı ve klinik yorum üretir.")

uploaded_file = st.file_uploader(
    "X-Ray görüntüsü yükle",
    type=["jpg", "jpeg", "png"]
)

if uploaded_file is not None:
    image = Image.open(uploaded_file)

    st.image(image, caption="Yüklenen Görüntü", use_container_width=True)

    if st.button("Tahmin Et"):
        pred_angle = predict_cobb(image)
        comment = yorumla(pred_angle)

        st.subheader("Tahmin Sonucu")
        st.metric("Tahmini Cobb Açısı", f"{pred_angle:.2f}°")

        if pred_angle < 10:
            st.success(comment)
        elif pred_angle < 25:
            st.info(comment)
        elif pred_angle < 40:
            st.warning(comment)
        else:
            st.error(comment)

        st.warning(
            "Bu sistem yalnızca araştırma ve eğitim amaçlıdır. "
            "Kesin tanı ve tedavi kararı için uzman hekim değerlendirmesi gereklidir."
        )