🫁 PneumoFinder APIRestful

---

O PneumoFinder é uma API RESTful desenvolvida em Flask que utiliza Redes Neurais Convolucionais (CNNs) para análise de radiografias de pulmão.
A aplicação é capaz de:

• Verificar se a imagem enviada é de um pulmão.
• Detectar sinais de pneumonia em radiografias.
• Fornecer diagnósticos completos com nível de confiança.
• Integrar-se ao WhatsApp via Twilio, permitindo que o usuário envie a radiografia e receba o diagnóstico diretamente no aplicativo de mensagens.

---

📌 Funcionalidades

• /verificar_pulmao → Verifica se a imagem enviada é de um pulmão.
• /diagnosticar_pneumonia → Detecta pneumonia em uma radiografia de pulmão.
• /diagnostico_completo → Faz a verificação completa: primeiro identifica se é pulmão e, se confirmado, analisa a presença de pneumonia.
• /webhook → Endpoint conectado ao Twilio para receber mensagens no WhatsApp com imagens de radiografias e retornar automaticamente o diagnóstico.

---

🛠️ Tecnologias Utilizadas

• Python 3.x
• Flask
• Flask-CORS
• TensorFlow / Keras
• Twilio API
• dotenv
• requests

---

📂 Estrutura do Projeto

PneumoFinder/
│── models/                  # Modelos treinados (.keras)
│   ├── pneumonia_model.keras
│   └── pulmao_model.keras
│
│── service/
│   ├── pneumonia_service.py # Classe DetectorDePneumonia
│   └── pulmao_service.py    # Classe DetectorDePulmao
│
│── imgs_pulmoes/            # Pasta para armazenar imagens recebidas via WhatsApp
│
│── temp/                    # Pasta temporária para upload de imagens
│
│── app.py                   # API principal (diagnósticos REST)
│── webhook.py               # Integração com WhatsApp via Twilio (renomear chat_bot_service.py)
│── requirements.txt         # Dependências do projeto
│── .gitignore               # Ignorar venv, temp, etc.
│── notes.txt                # Anotações auxiliares (se quiser manter)
│── testar_modelo.py         # Script para testar localmente os modelos

---

⚙️ Instalação e Configuração

1. Clone este repositório:

   git clone https://github.com/seu-usuario/pneumofinder.git
   cd pneumofinder

2. Crie um ambiente virtual e instale as dependências:

   python -m venv venv
   source venv/bin/activate   # Linux/Mac
   venv\Scripts\activate    # Windows
   pip install -r requirements.txt

3. Configure as variáveis de ambiente no arquivo .env:

   TWILIO_ACCOUNT_SID=seu_sid
   TWILIO_AUTH_TOKEN=seu_token

4. Execute a API:

   python app.py

5. Para rodar o webhook do WhatsApp:

   python chat_bot_service.py

---

✅ Exemplo de Uso (cURL)

curl -X POST http://localhost:5001/diagnostico_completo   -F "imagem=@radiografia_teste.jpg"

Resposta esperada:

{
  "classe_pulmao": "PULMÃO",
  "confianca_pulmao": 0.98,
  "classe_pneumonia": "NORMAL",
  "confianca_pneumonia": 0.92
}

---

📲 Imagens no WhatsApp (Chatbot)

📸 Exemplo de envio de radiografia e resposta do bot:

---

📌 Observações

• O modelo espera imagens no formato e tamanho específico (224x224).
• As imagens são normalizadas antes de serem enviadas ao modelo.
• O projeto está em ambiente local para testes. Para produção, considere segurança, performance e escalabilidade.

---

🧠 Sobre o modelo de IA

O modelo é uma CNN treinada com base em imagens reais de pulmões com e sem pneumonia. Ele foi salvo no formato .keras e carregado diretamente pelo backend. A predição é feita utilizando limiar de 0.5 para classificar como NORMAL ou PNEUMONIA. Os modelos atualmente apresentam cerca de 80% de acurácia nas previsões, mas o objetivo é continuar aprimorando o treinamento para aumentar este valor e garantir resultados ainda mais confiáveis.

---

🤝 Contribuições

Contribuições são bem-vindas! Sinta-se livre para abrir issues ou enviar pull requests com melhorias, correções ou novas funcionalidades.

---

📄 Licença

Este projeto está sob a licença MIT. Veja o arquivo LICENSE para mais detalhes.

---

👨‍💻 Autor

Feito por [Cauã Farias]
LinkedIn • GitHub