Spaces:
Running
Running
Create app.py
Browse files
app.py
ADDED
|
@@ -0,0 +1,58 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
import gradio as gr
|
| 2 |
+
import torch
|
| 3 |
+
from transformers import VisionEncoderDecoderModel, ViTImageProcessor, AutoTokenizer
|
| 4 |
+
from PIL import Image
|
| 5 |
+
|
| 6 |
+
# Это точное имя вашей модели, которое мы нашли!
|
| 7 |
+
MODEL_ID = "livadies/Russian-Radiologist-ruGPT-ViT"
|
| 8 |
+
|
| 9 |
+
print("Загрузка модели с Hugging Face (это займет около минуты)...")
|
| 10 |
+
# Бесплатные серверы (Spaces) работают на процессоре (CPU)
|
| 11 |
+
device = "cpu"
|
| 12 |
+
|
| 13 |
+
try:
|
| 14 |
+
model = VisionEncoderDecoderModel.from_pretrained(MODEL_ID).to(device)
|
| 15 |
+
feature_extractor = ViTImageProcessor.from_pretrained(MODEL_ID)
|
| 16 |
+
tokenizer = AutoTokenizer.from_pretrained(MODEL_ID)
|
| 17 |
+
print("✅ Модель успешно загружена в память!")
|
| 18 |
+
except Exception as e:
|
| 19 |
+
print(f"❌ ОШИБКА ЗАГРУЗКИ МОДЕЛИ: {e}")
|
| 20 |
+
print("Возможно, имя модели указано неверно или файлы не догрузились.")
|
| 21 |
+
|
| 22 |
+
def analyze_xray(image):
|
| 23 |
+
if image is None:
|
| 24 |
+
return "Пожалуйста, загрузите снимок."
|
| 25 |
+
|
| 26 |
+
try:
|
| 27 |
+
# Подготовка картинки
|
| 28 |
+
image = image.convert("RGB")
|
| 29 |
+
pixel_values = feature_extractor(images=image, return_tensors="pt").pixel_values.to(device)
|
| 30 |
+
|
| 31 |
+
# Генерация текста
|
| 32 |
+
with torch.no_grad():
|
| 33 |
+
generated_ids = model.generate(
|
| 34 |
+
pixel_values,
|
| 35 |
+
max_length=128,
|
| 36 |
+
num_beams=4,
|
| 37 |
+
repetition_penalty=2.0
|
| 38 |
+
)
|
| 39 |
+
|
| 40 |
+
# Расшифровка текста
|
| 41 |
+
prediction = tokenizer.decode(generated_ids[0], skip_special_tokens=True)
|
| 42 |
+
return prediction
|
| 43 |
+
except Exception as e:
|
| 44 |
+
return f"Произошла ошибка при анализе: {str(e)}"
|
| 45 |
+
|
| 46 |
+
# Настройка красивого веб-интерфейса
|
| 47 |
+
interface = gr.Interface(
|
| 48 |
+
fn=analyze_xray,
|
| 49 |
+
inputs=gr.Image(type="pil", label="Загрузите рентгеновский снимок (X-Ray)"),
|
| 50 |
+
outputs=gr.Textbox(label="Заключение Нейро-Радиолога", lines=6),
|
| 51 |
+
title="🩻 Русский Нейро-Радиолог (AI Assistant)",
|
| 52 |
+
description="Загрузите рентгеновский снимок грудной клетки. Искусственный интеллект, обученный на 6500 снимках, проанализирует его и сгенерирует медицинское заключение на русском языке.\n\n*Внимание: Модель носит исключительно исследовательский характер и не заменяет консультацию врача.*",
|
| 53 |
+
theme="huggingface",
|
| 54 |
+
allow_flagging="never"
|
| 55 |
+
)
|
| 56 |
+
|
| 57 |
+
if __name__ == "__main__":
|
| 58 |
+
interface.launch()
|