removing unused code in app.py

app.py

@@ -70,12 +70,6 @@ def cargar_dicom_file(image_bytes, tipo):
         dcm = pydicom.dcmread(image_bytes)
     numpy_lossy_image = dcm.pixel_array
     return numpy_lossy_image
-    #if tipo != 'storage':
-    #    lossy_image = tfio.image.decode_dicom_image(image_bytes.getvalue(), scale='auto', on_error='lossy', dtype=tf.uint8)
-    #else:
-    #    lossy_image = tfio.image.decode_dicom_image(image_bytes, scale='auto', on_error='lossy', dtype=tf.uint8)
-    #numpy_lossy_image = np.squeeze(lossy_image.numpy())
-    #return numpy_lossy_image
 
 def mostrar_resultados_prediccion(crop_image):
     resultado_alexnet = modelo_alexnet.predecir(crop_image)
@@ -97,24 +91,6 @@ def obtener_informacion_archivo_dicom(image_bytes, tipo):
     }
     return data
 
-def guardar_correccion():
-    df_resultados = dict()
-
-    df_resultados['resultado_alexnet_benigno'] = resultado_alexnet[0]
-    df_resultados['resultado_alexnet_maligno'] = resultado_alexnet[1]
-    df_resultados['resultado_alexnet_normal'] = resultado_alexnet[2]
-    df_resultados['resultado_resnet50_benigno'] = resultado_resnet50[0]
-    df_resultados['resultado_resnet50_maligno'] = resultado_resnet50[1]
-    df_resultados['resultado_resnet50_normal'] = resultado_resnet50[2]
-    df_resultados['correccion_benigno'] = st.session_state['correcion_benigno']
-    df_resultados['correccion_maligno'] = st.session_state['correcion_maligno']
-    df_resultados['correccion_normal'] = st.session_state['correcion_normal']
-    #df = pd.read_csv('./resultados_pruebas.csv')
-    df_resultados = pd.DataFrame(df_resultados, index=[0])
-    #df_completo = pd.concat([df, df_resultados], axis=0)
-    print(df_resultados)
-    df_resultados.to_csv('./resultados_pruebas.csv')
-
 
 st.write("# Modelo de Machine Learning para el diagnostico del cancer de mama")
 uploaded_file = st.file_uploader("Subir archivo DICOM", type=[".dcm"])
@@ -146,11 +122,4 @@ if uploaded_file:
             st.write("### Probabilidades según tipo de tumor - AlexNet")
             st.bar_chart(df_alexnet)
             st.write("### Probabilidades según tipo de tumor - ResNet50")
-            st.bar_chart(df_resnet50)
-            df_form = obtener_informacion_archivo_dicom(uploaded_file, tipo='')
-            with st.form("Correcion") as form:
-                st.write("#### Tipo de tumorx")
-                st.slider("Benigno", 0, 100, 0, key='correcion_benigno')
-                st.slider("Maligno", 0, 100, 0, key='correcion_maligno')
-                st.slider("Normal", 0, 100, 0, key='correcion_normal')
-                submitted = st.form_submit_button("Realizar correccion", on_click=guardar_correccion)
+            st.bar_chart(df_resnet50)