Spaces:
Sleeping
Sleeping
| import streamlit as st | |
| from transformers import pipeline | |
| import nltk | |
| from nltk.tokenize import word_tokenize | |
| from nltk.corpus import stopwords | |
| nltk.download('punkt') | |
| nltk.download("stopwords") | |
| # Buat objek terjemahan | |
| translator = pipeline("translation", model="Helsinki-NLP/opus-mt-id-en") | |
| terjemahkan = pipeline("translation", model="Helsinki-NLP/opus-mt-en-id") | |
| # Menggunakan pipa untuk klasifikasi diagnosis penyakit | |
| disease_classifier = pipeline("text-classification", model="BenK10/disease-diagnosis") | |
| # Pipeline generasi teks dengan format pesan | |
| text_generation = pipeline("text-generation", model="SumayyaAli/tiny-llama-1.1b-chat-medical") | |
| def preprocess_text(teks): | |
| # Pra-pemrosesan teks menggunakan NLTK | |
| tokens = word_tokenize(teks) | |
| tokens = [token for token in tokens if token.isalnum()] # Menghapus kata bukan alfanumerik | |
| tokens = [token for token in tokens if token.lower() not in stopwords.words("indonesian")] # Menghapus stopword | |
| preprocessed_text = " ".join(tokens) | |
| return preprocessed_text | |
| def predict_disease(gejala): | |
| try: | |
| # Pra-pemrosesan teks gejala | |
| gejala_diproses = preprocess_text(gejala) | |
| # Melakukan terjemahan | |
| terjemahan = translator(gejala_diproses, max_length=100) | |
| terjemahan_inggris = terjemahan[0]["translation_text"] | |
| # Klasifikasi diagnosis penyakit dengan fitur tambahan | |
| klasifikasi = disease_classifier(terjemahan_inggris) | |
| # Mengembalikan diagnosis dan skor kepercayaan | |
| diagnosis = klasifikasi[0]["label"] | |
| kepercayaan = klasifikasi[0]["score"] | |
| # Menggunakan format pesan untuk definisi penyakit | |
| definisi = text_generation([{"role": "user", "content": f"What is {diagnosis}?"}]) | |
| definisi_teks = definisi[0]['generated_text'] | |
| # Melakukan terjemahan definisi kembali ke bahasa Indonesia | |
| terjemahan_definisi = terjemahkan(definisi_teks, max_length=100) | |
| definisi = terjemahan_definisi[0]["translation_text"] | |
| return diagnosis, kepercayaan, definisi | |
| except Exception as e: | |
| return "Tidak dapat mendiagnosis", 0.0, "Terjadi kesalahan saat mendiagnosis penyakit." | |
| # Halaman Streamlit | |
| st.title("Diagnosis Penyakit") | |
| with st.form("diagnosis_form"): | |
| # Masukan gejala | |
| gejala = st.text_area("Masukkan gejala Anda:", "") | |
| # Masukan usia | |
| usia = st.number_input("Masukkan usia Anda:", min_value=0, max_value=120) | |
| # Masukan jenis kelamin | |
| jenis_kelamin_pilihan = ["Laki-laki", "Perempuan"] | |
| jenis_kelamin = st.selectbox("Masukkan jenis kelamin Anda:", jenis_kelamin_pilihan) | |
| # Memanggil fungsi prediksi ketika tombol ditekan | |
| submitted = st.form_submit_button("Diagnosis") | |
| # Memanggil fungsi prediksi | |
| if submitted: | |
| if gejala and usia and jenis_kelamin: | |
| diagnosis, kepercayaan, definisi = predict_disease(gejala) | |
| if diagnosis != "Tidak dapat mendiagnosis": | |
| st.success(f"Diagnosis: {diagnosis}") | |
| st.write(f"Dengan tingkat akurasi: {kepercayaan:.2f}") | |
| st.write(f"{definisi}") | |
| else: | |
| st.error(definisi) | |
| else: | |
| st.error("Harap isi semua kolom sebelum menekan tombol Diagnosis.") |