Applicazioni pratiche di deep learning/Diagnosi polmonite
Il modello autotrain-chest-xray-demo-1677859324 che si trova su Hagging Face qui : https://huggingface.co/juliensimon/autotrain-chest-xray-demo-1677859324 è stato ottenuto tramite Autotrain, funzionalità di Hugging Face per il deep learning , in cui fornendo semplicemente le cartelle delle foto di radiografie di polmoni sani e malati, prelevate da kaggle, è stato addestrato in automatico un modello previsionale che nel caso specifico fornisce un'accuratezza del 93,4% .
Ci sono 3 possibilità per utilizzarlo valutando se i polmoni sono malati oppure no :
1) Collegarsi con la pagina del modello https://huggingface.co/juliensimon/autotrain-chest-xray-demo-1677859324 , cliccare su "Drag image here or click to browse from your device" e caricare la fotografia della radiografia dei polmoni . Si otterrà una previsione della polmonite con la relativa accuratezza che va dall'1% al 100% .
2) Creare su Colab un nuovo file e incollare il seguente codice :
!pip install -q transformers
from transformers import pipeline
pipe = pipeline("image-classification", "juliensimon/autotrain-chest-xray-demo-1677859324")
Caricare la fotografia della radiografia sul server tramite il seguente codice:
from google.colab import files
files.upload()
Utilizzando la foto di Wikimedia Commons 800px-Chest_radiograph_in_influensa_and_H_influenzae,_posteroanterior,_annotated.jpg si può utilizzare il seguente codice per la sua visualizzazione:
from pathlib import Path
from PIL import Image
path_im = Path('800px-Chest_radiograph_in_influensa_and_H_influenzae,_posteroanterior,_annotated.jpg')
image = Image.open(path_im)
image
Per ottenere la diagnosi della polmonite o di polmoni sani digitare :
pipe(image)
con il seguente risultato :
[{'score': 0.9954289197921753, 'label': 'PNEUMONIA'},
{'score': 0.004571011755615473, 'label': 'NORMAL'}]
Quindi nel caso specifico si tratta di una polmonite con un'accuratezza del 99,54% .
3) Invece di caricare la foto sul server di Colab si può importarla direttamente dal web con :
from PIL import Image
import requests
url = 'https://www.mio_sito.it/foto_della_radiografia.jpg'
image = Image.open(requests.get(url, stream=True).raw)
image
Link esterni modifica