app.py

import pickle 
import streamlit as st
import pandas as pd
import numpy as np
from PIL import Image
import sklearn 
import pickle 

import joblib as jb

import xgboost as xgb

# Esconder os menu padrao
hide_streamlit_style = """
            <style>
            #MainMenu {visibility: hidden;}
            footer {visibility: hidden;}
            </style>
            """
st.markdown(hide_streamlit_style, unsafe_allow_html=True) 


 # pipreqs . --force
 # cat requirements.txt
 # pip install -r requirements.txt

# DICIONARIO DE DADOS - ATRIBUTOS
# HeartDisease: Entrevistados que já relataram ter doença cardíaca coronária ou infarto do miocárdio.
#
# BMI: IMC.
# Smoking : Você fumou pelo menos 100 cigarros em toda a sua vida?
# AlcoholDrinking: Bebedores pesados.
# Stroke: Você teve um derrame?
# PhysicalHealth: Sua saúde física, que inclui doenças físicas e lesões, por quantos dias, nos últimos 30 dias.
# MentalHealth: Saúde mental, por quantos dias nos últimos 30 dias sua saúde mental não foi boa? (0-30 dias).
# DiffWalking: Você tem muita dificuldade para andar ou subir escadas?
# Sex: Sexo.
# AgeCategory: Categoria de idade de quatorze níveis.
# Race: Etinía.
# Diabetic: Se têm diabetes.
# PhysicalActivity: Adultos que relataram fazer atividade física ou exercício durante os últimos 30 dias fora do trabalho regular.
# GenHealth: Você diria que, em geral, sua saúde é.
# SleepTime: Em média, quantas horas você dorme em um período de 24 horas?
# Asthma: Você tem asma?
# KidneyDisease: Cálculos renais, infecção da bexiga ou incontinência, alguma vez lhe disseram que tinha doença renal?
# SkinCancer: Você teve câncer de pele?

dict_cat_ingles = {
 'HeartDisease': {'No': 0, 'Yes': 1},
 'Smoking': {'No': 0, 'Yes': 1},
 'AlcoholDrinking': {'No': 0, 'Yes': 1},
 'Stroke': {'No': 0, 'Yes': 1},
 'DiffWalking': {'No': 0, 'Yes': 1},
 'Sex': {'Female': 0, 'Male': 1},
 'PhysicalActivity': {'No': 0, 'Yes': 1},
 'Asthma': {'No': 0, 'Yes': 1},
 'KidneyDisease': {'No': 0, 'Yes': 1},
 'SkinCancer': {'No': 0, 'Yes': 1},
 'Race': {'American Indian/Alaskan Native': 0,
  'Asian': 1,
  'Black': 2,
  'Hispanic': 3,
  'Other': 4,
  'White': 5},
 'Diabetic': {'No': 0,
  'No, borderline diabetes': 1,
  'Yes': 2,
  'Yes (during pregnancy)': 3},
 'GenHealth': {'Poor': 0,
  'Fair': 1,
  'Good': 2,
  'Very good': 3,
  'Excellent': 4}
  }

dict_cat_portugues = {
 'HeartDisease': {'Não': 0, 'Sim': 1},
 'Smoking': {'Não': 0, 'Sim': 1},
 'AlcoholDrinking': {'Não': 0, 'Sim': 1},
 'Stroke': {'Não': 0, 'Sim': 1},
 'DiffWalking': {'Não': 0, 'Sim': 1},
 'Sex': {'Feminino': 0, 'Masculino': 1},
 'PhysicalActivity': {'Não': 0, 'Sim': 1},
 'Asthma': {'Não': 0, 'Sim': 1},
 'KidneyDisease': {'Não': 0, 'Sim': 1},
 'SkinCancer': {'Não': 0, 'Sim': 1},
 'Race': {'Índio americano/nativo do Alasca': 0,
  'Asiático': 1,
  'Negro': 2,
  'Hispânico': 3,
  'Outros': 4,
  'Branco': 5},
 'Diabetic': {'Não': 0,
  'Não, diabetes limítrofe': 1,
  'Sim': 2,
  'Sim (durante a gravidez)': 3},
 'GenHealth': {'Ruim': 0,
  'Razoável': 1,
  'Boa': 2,
  'Muito Boa': 3,
  'Excelente': 4}
  }


with open('DICT_CATEGORIAS_VALORES.pkl', 'rb') as f:
    DICT_CATEGORIAS_VALORES = pickle.load(f)

with open('DICT_INVERSO_VALORES_CATEGORIAS_PORTUGUES.pkl', 'rb') as f:
    DICT_INVERSO_VALORES_CATEGORIAS_PORTUGUES = pickle.load(f)


CHOICES = { **DICT_CATEGORIAS_VALORES, **dict_cat_portugues }

# Configuração da página
#st.set_page_config(page_title = "Precisão de Doenças Cardíacas", layout = "centered")
st.title('Sistema de Auxílio à Previsão de Problemas Cardíacos')
st.sidebar.title("Anamnese - Sintomas")

imagem = 'coracao01.jpeg'
image = Image.open(imagem)
st.image(image, width=500)

CHOICES = DICT_INVERSO_VALORES_CATEGORIAS_PORTUGUES.copy()

# inicializacao das variaveis
SleepTime = PhysicalHealth = MentalHealth = BMI = HeartDisease = Smoking = AlcoholDrinking = Stroke = 0
AgeCategory = DiffWalking= Sex= PhysicalActivity= Asthma= KidneyDisease= SkinCancer= 0
Race = Diabetic = GenHealth = 0

with st.sidebar:

    with st.form(key='my_form'):

        # retorna o mapeamento para Categoria Numérica da opção
        # def format_func(option):
        #     return CHOICES[option]

        def format_IMC(imc):
            if (imc >= 0 and imc < 18):
                imc_int = 17
            elif (imc >= 18 and imc <= 24):
                imc_int = 24
            elif (imc > 24 and imc <= 30):
                imc_int = 30
            elif (imc > 30 and imc <= 35):
                imc_int = 35
            elif (imc > 35 and imc <= 40):
                imc_int = 40
            else:
                imc_int = 41

            return int(imc_int)

    
        BMI = st.number_input('IMC', min_value=15.0, max_value=300.0, step=1.0)
        BMI = format_IMC(BMI)

        Smoking = st.selectbox('Fumante', options = CHOICES['Smoking'], 
                                format_func=lambda x: CHOICES['Smoking'][x] )

        AlcoholDrinking = st.selectbox('Alto Consumo de Alcool', options = CHOICES['AlcoholDrinking'],      
                                             format_func=lambda x: CHOICES['AlcoholDrinking'][x] )

        Stroke = st.selectbox('Você teve um AVC?', options = CHOICES['Stroke'],
                                format_func=lambda x: CHOICES['Stroke'][x])

        PhysicalHealth =  st.number_input('Saúde Física, por quantos dias neste mês', 
                          min_value=0.0, max_value=30.0, step=1.0)

        def converter_PhysicalHealth_categoria(PhysicalHealth):
            if PhysicalHealth <= 4.0:
                PhysicalHealth_cat = 4
            elif (PhysicalHealth > 4.0 and PhysicalHealth <= 5.0):
                PhysicalHealth_cat = 5
            elif (PhysicalHealth > 5 and PhysicalHealth <= 6):
                PhysicalHealth_cat = 6
            elif (PhysicalHealth > 6 and PhysicalHealth <= 7):
                PhysicalHealth_cat = 7
            elif (PhysicalHealth > 7 and PhysicalHealth <= 8):
                PhysicalHealth_cat = 8
            else:
                PhysicalHealth_cat = 9

            return PhysicalHealth_cat

        PhysicalHealth = converter_PhysicalHealth_categoria(PhysicalHealth)

        MentalHealth  =  st.number_input('Saúde mental, por quantos dias não foi boa no mês', 
                          min_value=0.0, max_value=30.0, step=1.0)

        def converter_MentalHealth_categoria(MentalHealth):
            if MentalHealth <= 0:
                MentalHealth_cat = 0
            elif (MentalHealth >= 3.0 and MentalHealth < 10.0):
                MentalHealth_cat = 3
            elif (MentalHealth >= 10 and MentalHealth < 20):
                MentalHealth_cat = 20
            else:
                MentalHealth_cat = 30

            return MentalHealth_cat

        MentalHealth = converter_MentalHealth_categoria(MentalHealth)       

        DiffWalking = st.selectbox(
            'Dificuldade de andar ou subir escadas', options = CHOICES['DiffWalking'],
            format_func=lambda x: CHOICES['DiffWalking'][x])


        Sex = st.selectbox('Sexo', options = CHOICES['Sex'],
                            format_func=lambda x: CHOICES['Sex'][x])

        AgeCategory = st.selectbox('Idade (categoria)', options = CHOICES['AgeCategory'],
                                    format_func=lambda x: CHOICES['AgeCategory'][x])

        Race = st.selectbox('Etnia', options = CHOICES['Race'],
                                format_func=lambda x: CHOICES['Race'][x])

        Diabetic = st.selectbox('Diabetes', options = CHOICES['Diabetic'],
                                    format_func=lambda x: CHOICES['Diabetic'][x] )

        PhysicalActivity = st.selectbox(
            'Atividade Física nos últimos 30 dias', options = CHOICES['PhysicalActivity'],
             format_func=lambda x: CHOICES['PhysicalActivity'][x] )

        GenHealth = st.selectbox('Estado Geral de Saúde', options = CHOICES['GenHealth'],
                                    format_func=lambda x: CHOICES['GenHealth'][x])

        SleepTime =  st.number_input('Quantas horas você dorme por dia', 
                          min_value=1.0, max_value=24.0, step=1.0)

        def converter_sleepTime_categoria(SleepTime):
            if SleepTime <= 4:
                sleep_cat = 4
            elif (SleepTime > 4 and SleepTime <= 5):
                sleep_cat = 5
            elif (SleepTime > 5 and SleepTime <= 6):
                sleep_cat = 6
            elif (SleepTime > 6 and SleepTime < 8):
                sleep_cat = 7
            elif (SleepTime >= 8 and SleepTime < 9):
                sleep_cat = 8
            elif (SleepTime >= 9 ):
                sleep_cat = 9

            return sleep_cat

        SleepTime = converter_sleepTime_categoria(SleepTime)

 
        Asthma  = st.selectbox('Você tem asma?', CHOICES['Asthma'],
                                 format_func=lambda x: CHOICES['Asthma'][x])

        KidneyDisease = st.selectbox('Doença renal (cálculo, incontinência, etc.', 
                                      options = CHOICES['KidneyDisease'],
                                      format_func=lambda x: CHOICES['KidneyDisease'][x]) 

        SkinCancer = st.selectbox('Câncer de pele', options = CHOICES['SkinCancer'],
                                    format_func=lambda x: CHOICES['SkinCancer'][x])


        predict_button = st.form_submit_button(label='Prever')


# Pagina pricipal

import xgboost
from xgboost import Booster

def previsao_doenca_cardiaca(Smoking, AlcoholDrinking, Stroke,  DiffWalking, Sex, Race,  
          Diabetic, PhysicalActivity, GenHealth, Asthma, KidneyDisease,
          SkinCancer, AgeCategory, SleepTime, PhysicalHealth,
          MentalHealth, BMI):

    # Colocar em escala (Padronizacao)
    sc = jb.load('std_scaler.bin')

    X = np.array([Smoking, AlcoholDrinking, Stroke,  DiffWalking, Sex, Race,  
          Diabetic, PhysicalActivity, GenHealth, Asthma, KidneyDisease,
          SkinCancer, AgeCategory, SleepTime, PhysicalHealth,
          MentalHealth, BMI]).reshape(1, -1)

    scaler_X = sc.transform(X) 
    print(scaler_X)


    #file = "modeloXGBoostv50.pkl" 
    #xgb = joblib.load(file)

    # PREDICT
    # file = 'modeloXGBoostv50.pkl'
    # # # load

    #file = "modeloXGBoostv50.pkl" 
    # clf = True
    # with open(file, 'rb') as f:
    #     clf = pickle.load(f)

    # model = clf


    #file = 'modeloXGBoostv50.json'

    #load saved model
    #model = xgbst = jb.load(file)


    # booster = Booster()
    # model = booster.load_model(file)

    file = 'modeloXGBoostv50.bin'
    booster = xgb.Booster()
    booster.load_model(file)
    model = booster


    #model = xgbst.Booster(file)
    #model.predict(new_data)

    drow = xgb.DMatrix(scaler_X, label=[0, 1]) #, feature_names=X_test.columns)
    prob = model.predict(drow)
    if prob > 0.5:
        pred = ':red[Doença Cardíaca]' 
    else:
        pred = ':blue[Normal]'
        prob = 1 - prob
    # pred = ['Normal' if  model.predict(drow) > 0.5 else 'Doença Cardíaca']
    # pred = pred[0]
    print(pred)
    print(type(pred))
    print(prob)
    

    # if pred == 0:
    #     diagnostico_doenca_cardiaca = "Normal"
    #     image = 'saudavel.jpg' 
    # elif pred == 1:
    #     diagnostico_doenca_cardiaca = "Doença Cardíaca"
    #     image = 'diabetes02.jpg' 
    # else:
    #     diagnostico_doenca_cardiaca = "Sem Diagnóstico"

    return pred, prob[0] #, image


if predict_button:
    print('ok')
    print('\n')

    print(Smoking, AlcoholDrinking, Stroke,  DiffWalking, Sex, Race,  
          Diabetic, PhysicalActivity, GenHealth, Asthma, KidneyDisease,
          SkinCancer, AgeCategory, SleepTime, PhysicalHealth,
          MentalHealth, BMI)

    atributos = [ Smoking, AlcoholDrinking, Stroke,  DiffWalking, Sex, Race,  
          Diabetic, PhysicalActivity, GenHealth, Asthma, KidneyDisease,
          SkinCancer, AgeCategory, SleepTime, PhysicalHealth,
          MentalHealth, BMI ]

 


    diagnostico_doenca_cardiaca, prob  = previsao_doenca_cardiaca(Smoking, AlcoholDrinking, 
      Stroke,  DiffWalking, Sex, Race,  
      Diabetic, PhysicalActivity, GenHealth, Asthma, KidneyDisease,
      SkinCancer, AgeCategory, SleepTime, PhysicalHealth,
      MentalHealth, BMI)


    string_saida = '### Previsão: ' + diagnostico_doenca_cardiaca  + \
                   ' - Probabilidade: ' + str(int(round(prob * 100, 0))) + "%" 
    st.markdown(string_saida)
    # st.markdown('## Previsão: ' + diagnostico_doenca_cardiaca)
    # st.markdown('## Probabilidade: ' + str(int(round(prob * 100, 0))) + "%")

# )


    

# BMI, Smoking, AlcoholDrinking, Stroke, PhysicalHealth, MentalHealth, DiffWalking, Sex, AgeCategory, 
# Race, Diabetic, PhysicalActivity, GenHealth, SleepTime, Asthma, KidneyDisease, SkinCancer


    #st.write(Diagnostico_Diabetes)
    # image = Image.open('diabetes/' + imagem)
    # st.markdown('## Diagnóstico: ' + '__' + Diagnostico_Diabetes + '__')
    # #st.write('Diagnóstico:' + Diagnostico_Diabetes)
    # st.image(image, width=250)

# else:
#     Diagnostico_Diabetes = 'Sem Previsão'