Hugging Face's logo

Spaces:
previdengue
/
PreviDengueAPI
Sleeping

App Files Community
previdengue commited on
Commit
f181ff4
·
verified ·
1 Parent(s): ff6ae63

Update README.md

Browse files
Files changed (1) hide show
  1. README.md +11 -128
README.md CHANGED
@@ -1,131 +1,14 @@
1
- # 🦟 PreviDengue
2
-
3
- ### Uma Abordagem Multidisciplinar com Inteligência Artificial para o Monitoramento e Previsão da Dengue
4
-
5
- ---
6
-
7
- [![Status](https://img.shields.io/badge/Status-Em%20Desenvolvimento-yellowgreen)](https://github.com/seu-usuario/seu-repo)
8
- [![Tecnologias](https://img.shields.io/badge/Python-3.x-blue)](https://www.python.org/)
9
- [![Licença](https://img.shields.io/badge/Licen%C3%A7a-MIT-blue)](https://github.com/seu-usuario/seu-repo/blob/main/LICENSE)
10
-
11
- ---
12
-
13
- ## 💡 Sobre o Projeto
14
-
15
- O **PreviDengue** é uma plataforma inovadora que integra inteligência artificial e dados geoespaciais e epidemiológicos para criar uma ferramenta poderosa no combate à dengue. O projeto, que nasceu da necessidade de soluções proativas de saúde pública, evoluiu para um sistema focado em dois pilares principais: a **detecção de focos do mosquito** e a **previsão de surtos epidemiológicos**.
16
-
17
- Nossa missão é fornecer aos agentes públicos e à comunidade uma ferramenta acessível e precisa, unificando a análise de dados complexos em um **dashboard intuitivo** que permite o planejamento estratégico de ações preventivas e de combate.
18
-
19
- ---
20
-
21
- ## 🌍 Veja o PreviDengue em Ação
22
-
23
- Você pode explorar a versão de demonstração do projeto e suas funcionalidades agora mesmo.
24
-
25
- **Acesse a plataforma aqui: [https://previdengue.vercel.app/](https://previdengue.vercel.app/)**
26
-
27
  ---
28
-
29
- ## 🚀 Funcionalidades Principais
30
-
31
- ---
32
-
33
- Nosso sistema é estruturado em dois módulos principais, ambos acessíveis através de uma interface unificada para uma análise composta dos dados.
34
-
35
- ### **Módulo de Detecção de Focos 🛰️**
36
-
37
- Utilizamos Visão Computacional para analisar imagens aéreas de alta resolução e identificar potenciais criadouros do mosquito *Aedes aegypti*.
38
-
39
- > **🧠 Como Funciona:** O algoritmo **YOLO (You Only Look Once)** escaneia as imagens para detectar objetos como piscinas e caixas d'água. Cada área recebe uma **pontuação de risco** baseada nos criadouros identificados, e os resultados são exibidos em um **mapa de calor** interativo para fácil visualização.
40
-
41
- ### **Módulo de Previsão de Surtos 📈**
42
-
43
- Este módulo utiliza modelos de aprendizado de máquina para prever a tendência de casos de dengue, auxiliando na alocação de recursos e na preparação de campanhas de saúde.
44
-
45
- > **🧠 Como Funciona:** Um modelo de **Rede Neural LSTM (Long Short-Term Memory)** é treinado com uma série histórica de dados do **DATASUS** e dados climáticos da **API da NASA**. A IA é capaz de capturar padrões complexos para prever picos de casos, permitindo que as autoridades tomem medidas preventivas antes que um surto se estabeleça.
46
-
47
- ---
48
-
49
- ## 🛠️ Tecnologias Utilizadas
50
-
51
- ---
52
-
53
- Este projeto foi construído com uma stack de tecnologias modernas para garantir eficiência, escalabilidade e performance.
54
-
55
- | Categoria | Tecnologia |
56
- | :--- | :--- |
57
- | **Linguagem** | ![Python](https://img.shields.io/badge/Python-3.x-blue?style=for-the-badge&logo=python&logoColor=white) ![JavaScript](https://img.shields.io/badge/JavaScript-ES6+-F7DF1E?style=for-the-badge&logo=javascript&logoColor=black) |
58
- | **IA** | ![YOLO](https://img.shields.io/badge/YOLO-Ultralytics-orange?style=for-the-badge&logo=yolo&logoColor=white) ![LSTM](https://img.shields.io/badge/LSTM-Neural%20Network-red?style=for-the-badge&logo=tensorflow&logoColor=white) |
59
- | **Backend** | ![FastAPI](https://img.shields.io/badge/FastAPI-0.111.0-009688?style=for-the-badge&logo=fastapi) |
60
- | **Frontend** | ![Next.js](https://img.shields.io/badge/Next.js-14-black?style=for-the-badge&logo=next.js&logoColor=white) |
61
- | **Hospedagem** | ![Vercel](https://img.shields.io/badge/Vercel-000000?style=for-the-badge&logo=vercel&logoColor=white) ![Hugging Face](https://img.shields.io/badge/Hugging%20Face-FFBE00?style=for-the-badge&logo=hugging-face&logoColor=black) |
62
-
63
- ---
64
-
65
- ## 🏗️ Arquitetura do Sistema
66
-
67
- ---
68
-
69
- O **PreviDengue** é composto por uma arquitetura em camadas que garante flexibilidade e desacoplamento entre os componentes.
70
-
71
- ### **Frontend**
72
- A interface web, desenvolvida com **[Nome da Tecnologia]**, é a camada de apresentação que interage com o usuário. Ela se comunica com o backend para exibir o dashboard, o mapa de calor e permitir a submissão de imagens.
73
-
74
- ### **Backend**
75
- Construído com **FastAPI**, o backend atua como um hub central. Ele recebe as requisições do frontend, gerencia o fluxo de dados e se comunica com as APIs dos modelos de IA para obter os resultados de detecção e previsão.
76
-
77
- ### **Módulos de IA**
78
- Os modelos **YOLO** (para detecção) e **LSTM** (para previsão) são treinados em ambiente de nuvem (**Google Colab**) e expostos como **APIs RESTful** separadas, utilizando a plataforma **Hugging Face**. Essa abordagem garante que o processamento pesado seja feito na nuvem, otimizando o desempenho do sistema.
79
-
80
- ---
81
-
82
- ## 🧭 Como Usar
83
-
84
- ---
85
-
86
- O projeto ainda está em desenvolvimento, mas o código-fonte estará disponível em breve. Para rodar a aplicação localmente:
87
-
88
- 1. Clone este repositório:
89
- ```bash
90
- git clone [https://github.com/seu-usuario/seu-repo.git](https://github.com/seu-usuario/seu-repo.git)
91
- cd seu-repo
92
- ```
93
- 2. Instale as dependências. Siga as instruções específicas nas pastas `backend` e `frontend`.
94
- ```bash
95
- # Para o backend
96
- pip install -r requirements.txt
97
- # Para o frontend
98
- npm install
99
- ```
100
- 3. Inicie o servidor de desenvolvimento.
101
- ```bash
102
- # Primeiro, inicie o backend
103
- python main.py
104
- # Em um novo terminal, inicie o frontend
105
- npm run dev
106
- ```
107
-
108
- > **Nota:** Certifique-se de configurar as variáveis de ambiente necessárias para acessar as APIs de IA.
109
-
110
- ---
111
-
112
- ## 🧑‍🤝‍🧑 Equipe
113
-
114
- ---
115
-
116
- O **PreviDengue** é um projeto de Trabalho de Conclusão de Curso do Colégio Técnico de Campinas (COTUCA - UNICAMP), desenvolvido por:
117
-
118
- * **Arthur Gama Jorge** – [cc23578@g.unicamp.br](mailto:cc23578@g.unicamp.br)
119
- * **Daniel Dorigan de Carvalho Campos** – [cc23124@g.unicamp.br](mailto:cc23124@g.unicamp.br)
120
- * **Ion Mateus Nunes Oprea** – [cc23135@g.unicamp.br](mailto:cc23135@g.unicamp.br)
121
-
122
- **Orientadora:** Andréia
123
- **Coorientador:** Guilherme
124
-
125
- ---
126
-
127
- ## 📜 Licença
128
-
129
  ---
130
 
131
- Este projeto está licenciado sob a Licença **[Nome da Licença, ex: MIT]** - veja o arquivo [LICENSE.md](https://github.com/seu-usuario/seu-repo/blob/main/LICENSE) para mais detalhes.
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
  ---
2
+ title: PreviDengueAPI
3
+ repository: https://github.com/IonMateus/PreviDengue
4
+ subdirectory: api/
5
+ emoji: 🦟
6
+ colorFrom: blue
7
+ colorTo: green
8
+ sdk: docker
9
+ pinned: false
10
+ license: mit
11
+ short_description: 'Identificação de Focos e Surtos de Dengue'
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
12
  ---
13
 
14
+ Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference