Create app.py

app.py

@@ -0,0 +1,129 @@
+
+
+import gradio as gr
+
+import os
+
+# Let's pick the desired backend
+# os.environ['USE_TF'] = '1'
+os.environ['USE_TORCH'] = '1'
+import matplotlib.pyplot as plt
+from doctr.io import DocumentFile
+from doctr.models import ocr_predictor
+
+# util functions
+
+def prepreocess(text):
+    """
+    convert to lowercase
+    removing . from words
+    convert string numbers to number
+    """
+    text = text.lower()
+    try:
+        text = float(text)
+        return text
+    except:
+        pass
+    text = text.replace('.', '')
+    return text
+
+normal_values = {
+    'wbc': {"min": 4000, "max": 11000, "minwarning": "هپاتیت و آرتریت", "maxwarning": "وجود عفونت"},
+    'rbc': {"min": 4.5, "max": 6.1, "minwarning": "بی‌ نظمی در گلوبول های قرمز خون", "maxwarning": "بی‌ نظمی در گلوبول های قرمز خون"},
+    'hb': {"min": 12.3, "max": 17.50, "minwarning": "هموگلوبین کم است", "maxwarning": "هموگلوبین زیاد است"},
+    'hgb': {"min": 12.3, "max": 17.50, "minwarning": "هموگلوبین کم است", "maxwarning": "هموگلوبین زیاد است"},
+    'hct': {"min": 36.00, "max": 45.00, "minwarning": "نسبت گلوبولهای قرمر به خون نامتناسب است", "maxwarning": "نسبت گلوبولهای قرمر به خون نامتناسب است "},
+    'mch': {"min": 27, "max": 33, "minwarning": "احتمال سوء تغذیه", "maxwarning": "احتمال کم خونی"},
+    'mchc': {"min": 27, "max": 33, "minwarning": "احتمال سوء تغذیه", "maxwarning": "احتمال کم خونی"},
+    'mcv': {"min": 80, "max": 96, "minwarning": "نشانه ای از کم خونی یا سندرم خستگی مزمن", "maxwarning": "نشانه ای از کم خونی یا سندرم خستگی مزمن"},
+    'mchc': {"min": 33.4, "max": 35.5, "minwarning": "مراجعه به پزشک", "maxwarning": "مراجعه به پزشک"},
+    'plt': {"min": 150, "max": 450, "minwarning": "سطح تخمیر نرمال نیست", "maxwarning": "سطح تخمیر نرمال نیست"},
+    'fbs': {"min": 70, "max": 100, "minwarning": "قند خون پایین", "maxwarning": "قند خون بالا"},
+    'hbalc': {"min": 4000, "max": 11000, "minwarning": "", "maxwarning": ""},
+    'urea': {"min": 4000, "max": 11000, "minwarning": "", "maxwarning": ""},
+    'creatinine': {"min": 4000, "max": 11000, "minwarning": "", "maxwarning": ""},
+    'cholesterol': {"min": 4000, "max": 11000, "minwarning": "", "maxwarning": ""},
+    'triglycerides': {"min": 4000, "max": 11000, "minwarning": "", "maxwarning": ""},
+    'hdl': {"min": 40, "max": 11000, "minwarning": "خطر ابتلا به بیماری قلبی عروقی", "maxwarning": ""},
+    'ldl': {"min": 70, "max": 100, "minwarning": "خطر ابتلا به بیماری قلبی عروقی", "maxwarning": "خطر ابتلا به بیماری قلبی عروقی"},
+    "rdw": {"min": 4000, "max": 11000, "minwarning": "", "maxwarning": ""},
+    'rcdw': {"min": 4000, "max": 11000, "minwarning": "", "maxwarning": ""},
+    'hgb': {"min": 4000, "max": 11000, "minwarning": "", "maxwarning": ""},
+    'bp': {"min": 80, "max": 120, "minwarning": "فشار خون پایین", "maxwarning": "فشار خون بالا"},
+    'bg': {"min": 70, "max": 150, "minwarning": "قند خون پایین", "maxwarning": "قند خون بالا"},
+    'esr': {"min": 0, "max": 20, "minwarning": "امکان عفونت و یا التهاب", "maxwarning": " امکان عفونت و یا التهاب "},
+    'crp': {"min": 0, "max": 1000, "minwarning": "امکان عفونت و یا التهاب", "maxwarning": " امکان عفونت و یا التهاب "},
+
+}
+
+
+
+predictor = ocr_predictor(pretrained=True)
+
+
+def proceed(image):
+
+    doc = DocumentFile.from_images(image) #reading input image
+    result = predictor(doc) # extract words
+    json_export = result.export() # convert to json
+    out_words = [[prepreocess(w['value']) for w in line['words'] ] for line in json_export['pages'][0]['blocks'][0]['lines']] # extracting words
+    final_words = []
+    for item in out_words:
+        final_words += item
+
+
+    wanted = {
+        'wbc': 'nan',
+        'rbc': 'nan',
+        'hb': 'nan',
+        'hgb': 'nan',
+        'hct': 'nan',
+        'mcv': 'nan',
+        'mch': 'nan',
+        'mchc': 'nan',
+        'mchc': 'nan',
+        'plt': 'nan',
+        'fbs': 'nan',
+        'hbalc': 'nan',
+        'urea': 'nan',
+        'creatinine': 'nan',
+        'cholesterol': 'nan',
+        'triglycerides': 'nan',
+        'hdl': 'nan',
+        'ldl': 'nan',
+        "rdw": 'nan',
+        'rcdw': 'nan',
+        'hgb': 'nan',
+        'bp': 'nan',
+        'esr': 'nan',
+        'crp': 'nan',
+    }
+
+    # extracting value per each wanted keyword
+    counter = 0
+    while counter < len(final_words):
+        if wanted.get(final_words[counter], 0)== 'nan':
+            if type(final_words[counter+1]) == float:
+                wanted[final_words[counter]] = final_words[counter+1]
+                counter += 1
+            if type(final_words[counter+2]) == float:
+                wanted[final_words[counter]] = final_words[counter+2]
+                counter += 2
+        counter += 1
+
+    # print(f"out is {out_gen}")
+    # checking for normal values 
+    printed_result = []
+    for k,v in wanted.items():
+        if v == 'nan':
+            continue
+        normal_value = normal_values.get(k, {})
+        if v < normal_value.get('min', -1000):
+            printed_result.append(normal_value.get('minwarning', ''))
+        if v > normal_value.get('max', 100000):
+            printed_result.append(normal_value.get('maxwarning', ''))
+    return '\n'.join(printed_result)
+
+demo = gr.Interface(fn=greet, inputs=gr.Image(interactive=True), outputs="text")
+demo.launch(debug=True, share=True)