Update app.py

app.py

@@ -4,49 +4,37 @@ from joblib import load
 
 
 
-def cardio(age,is_male,ap_hi,ap_lo,cholesterol,gluc,smoke,alco,active,height,weight,BMI):
-    model = load('cardiosight.joblib')
+def pecho(radio,suavidad,puntos_concavidad,area,compacidad,concavidad):
+    model = load('tomatelo_a_pecho_regr.joblib')
     df = pd.DataFrame.from_dict(
         {
-            "age": [age*365],
-            "gender":[0 if is_male else 1],
-            "ap_hi": [ap_hi],
-            "ap_lo": [ap_lo],
-            "cholesterol": [cholesterol + 1],
-            "gluc": [gluc + 1],
-            "smoke":[1 if smoke else 0],
-            "alco": [1 if alco else 0],
-            "active": [1 if active else 0],
-            "newvalues_height": [height],
-            "newvalues_weight": [weight],
-            "New_values_BMI": [BMI],
-            
+            "Radio" : [radio],
+            "Suavidad" : [suavidad],
+            "Puntos_concavidad" : [puntos_concavidad]
+            "Area" : [area]
+            "Compacidad" : [compacidad]
+            "Concavidad" : [concavidad],
+                                 
         }
     )
        
     pred = model.predict(df)[0]
-    if pred==1:
-      predicted="Tiene un riesgo alto de sufrir problemas cardiovasculares"
+    if pred=='M':
+      predicted="Las medidas indican que se trata de un caso maligno"
     else:
-      predicted="Su riesgo de sufrir problemas cardiovasculares es muy bajo. Siga así."
+      predicted="Las medidas indican que se trata de un caso beningno."
     return predicted
     
 iface = gr.Interface(
-    cardio,
+    pecho,
     [
-        gr.inputs.Slider(1,99,label="Age"),
-        "checkbox",
-        gr.inputs.Slider(10,250,label="Diastolic Preassure"),
-        gr.inputs.Slider(10,250,label="Sistolic Preassure"),
-        gr.inputs.Radio(["Normal","High","Very High"],type="index",label="Cholesterol"),
-        gr.inputs.Radio(["Normal","High","Very High"],type="index",label="Glucosa Level"),
-        "checkbox",
-        "checkbox",
-        "checkbox",
-        gr.inputs.Slider(30,220,label="Height in cm"),
-        gr.inputs.Slider(10,300,label="Weight in Kg"),
-        gr.inputs.Slider(1,50,label="BMI"),
-    ],
+        gr.inputs.Slider(1,40,label="Radio"),
+        gr.inputs.Slider(0.05,0.3,label="Variación local de las longitudes del radio"),
+        gr.inputs.Slider(0.01,0.4,label="Número de las porciones cóncavas del contorno"),
+        gr.inputs.Slider(100,4000,label="Área"),
+        gr.inputs.Slider(0.01,0.5,label="Compacidad"),
+        gr.inputs.Slider(0.01,1.5,label="Severidad de las porciones cóncavas del contorno"),
+     ],
 
     "text",
     examples=[
@@ -55,8 +43,8 @@ iface = gr.Interface(
         [60,True,160,70,"High","High",1,1,0,185,90,23],
     ],
     interpretation="default",
-    title = 'Calculadora de Riesgo Cardiovascular mediante Inteligencia Artificial',
-    description = 'El proyecto de CARDIOSIGHT nace debido a la presente necesidad en nuestro país de crear métodos y herramientas de identificación temprana para los individuos con alto riesgo de sufrir enfermedades cardiovasculares. Con el fin de prevenir eventos cardíacos primarios y ayudar a disminuir la incidencia de nuevos casos, por medio de hábitos de prevención. Mas información: https://saturdays.ai/2022/03/16/cardiosight-machine-learning-para-calcular-riesgo-cardiovascular/',
+    title = 'Modelo de clasificación para tumores benignos y malignos de mama',
+    description = 'A nivel mundial, la detección de cáncer de mama representa un reto importante para la salud de todas las mujeres. Muchas de ellas, debido a cuestiones económicas (principalmente en países con poco o nulo acceso a la salud pública) no pueden acceder a los métodos de detección confiables como mastografías. Lo llegan a detectar hasta etapas avanzadas y eso suele ser un problema porque el nivel de vida disminuye y los costos de tratamiento suben. https://saturdays.ai/2022/03/16/deteccion-tumores-malignos-cancer-de-mama-con-inteligencia-artificial/',
     theme = 'grass'
 )