Update app.py

app.py

@@ -27,12 +27,10 @@ css = """
 body {
     font-family: Arial, sans-serif !important;
 }
-
 /* Conteneur du diagnostic global */
 .diagnostic-global {
     padding: 10px;
 }
-
 /* Style pour les badges Malin/Bénin */
 .highlight.malin {
     background-color: #F54927;
@@ -44,7 +42,6 @@ body {
     font-size:24px;
     margin: 5px 0;
 }
-
 .highlight.benin {
     background-color: #34EA3A;
     color: black;
@@ -55,7 +52,6 @@ body {
     font-size:24px;
     margin: 5px 0;
 }
-
 /* Conteneur pour le warning */
 .warning-container {
     background-color: #f9f9f9;
@@ -64,7 +60,6 @@ body {
     margin-bottom: 0px;
     border: 1px solid #e0e0e0;
 }
-
 /* Message d'avertissement */
 .warning-message {
     background-color: #e9d5ff;
@@ -75,8 +70,6 @@ body {
     color: #333;
     font-family: Arial, sans-serif !important;
 }
-
-
 /* Pour les images dans le diagnostic */
 .diagnostic-global img {
     max-width: 100%;
@@ -85,7 +78,6 @@ body {
     margin-right: 10px;
     margin-bottom: 10px;
 }
-
 .feedback-container {
     background-color: #f9f9f9;
     border-radius: 5px;
@@ -95,7 +87,6 @@ body {
     font-size:16px;
     font-family: Arial, sans-serif !important;
 }
-
 /* Clearfix pour les flottants */
 .clearfix::after {
     content: "";
@@ -197,40 +188,6 @@ def _update_progress(progress, value, desc=""):
     if progress is not None:
         progress(value / 100.0, desc=desc)
 
-# ---- Bert Medical ----
-from transformers import pipeline
-
-# Chargement du modèle Hugging Face léger pour interprétation médicale
-med_nlp = pipeline(
-    "text-classification",
-    model="d4data/biomedical-bert-mini",
-    framework="pt"   # <-- on force PyTorch
-)
-
-def dermato_second_opinion_text(top_class, probs_dict):
-    """
-    Génère un avis médical secondaire à partir du diagnostic et des probabilités.
-    """
-    text_input = (
-        f"Diagnostic automatique : {top_class}. "
-        f"Probabilités associées : " +
-        ", ".join([f"{cls} {p:.1f}%" for cls, p in probs_dict.items()]) + ". "
-        "Fournis un avis médical bref sur le caractère bénin ou malin."
-    )
-
-    try:
-        result = med_nlp(text_input, truncation=True)
-        return f"""
-        <div class='dermato-opinion' style="margin-top:15px;padding:10px;border:1px solid #ccc;border-radius:10px;background:#f9f9f9;">
-            <h4>🩺 Avis médical automatisé</h4>
-            <p><b>Label :</b> {result[0]['label']} (score {result[0]['score']:.2f})</p>
-            <p><i>Ceci est une interprétation automatique et ne remplace pas l’avis d’un dermatologue.</i></p>
-        </div>
-        """
-    except Exception as e:
-        return f"<div class='dermato-opinion'><b>Erreur :</b> {str(e)}</div>"
-# ---- Fin Bert Medical ----
-
 # ---- PREDICT SINGLE ----
 def predict_single(img_input, weights=(0.45, 0.25, 0.3), normalize=True):
     print("🔍 DEBUG GRADIO HARMONISÉ - Début de la prédiction")
@@ -648,8 +605,7 @@ def quick_predict_ui(image_pil):
             output_text_html,
             gr.update(value=warning_html, visible=warning_visible),
             fig,  # Retourner la figure Plotly
-            "✅ Analyse terminée.",
-            dermato_html 
+            "✅ Analyse terminée."
         )
         
     except Exception as e:
@@ -741,8 +697,8 @@ with gr.Blocks(theme=theme, title="Analyse de lésions", css=css) as demo:
             input_image = gr.Image(type="pil", label="📸 Uploader une image")
             
             with gr.Row():
-                quick_btn = gr.Button("1️⃣ Analyse :~ 10s", variant="primary")
-                gradcam_btn = gr.Button("2️⃣ Carte couleur :~ 60s", variant="secondary")
+                quick_btn = gr.Button("1️⃣ Analyse Rapide <br> (~ 10s)", variant="primary")
+                gradcam_btn = gr.Button("2️⃣ Carte colorée <br> (~ 60s) ", variant="secondary")
             
             gr.Examples(examples=example_paths, inputs=input_image)
             output_gradcam = gr.Image(label="🔍 Carte Colorée Grad-CAM")
@@ -776,11 +732,6 @@ with gr.Blocks(theme=theme, title="Analyse de lésions", css=css) as demo:
             
           # Configuration correcte du BarPlot
             output_plot = gr.Plot(label="Probabilités par classe")
-            # 👉 Nouvelle boîte d'avis médical
-            output_opinion = gr.HTML(
-                value="",
-                elem_classes="dermato-opinion"
-            )
 
     gr.Markdown(f"Ensemble de modèles utilisés : {', '.join(models_status) if models_status else 'AUCUN'}")
     gr.HTML(value="""
@@ -790,7 +741,6 @@ with gr.Blocks(theme=theme, title="Analyse de lésions", css=css) as demo:
             <br>
 <strong> RGPD & Digital Act </strong> : 
                 Ce dataset ne peut pas être utilisé pour des cas réels aujourd'hui notamment du fait qu'il ne comporte qu'essentiellement des peaux de populations européennes (allemands et autrichiens). <br>Cette application ne collecte pas vos données personnelles. <b>Les images uploadées ne sont pas stockées</b>. <br>La politique de Cookies 🍪 est gérée par <a href='https://huggingface.co/privacy'>Hugging Face disponible ici</a>.
-
             """)
     
     # Configuration des événements