Radiologue

Description

Cette fonctionnalité est obtenue grâce à l'intégration de fonctionnalités multimodales avancées, y compris la transformation de la vision pour l'analyse d'images et un grand modèle de langage (LLM) pour la génération de rapports. L'application est développée en mode natif pour Android à l'aide de Jetpack Compose pour la conception de l'interface utilisateur, de Firebase pour l'authentification et de Firestore pour la gestion de la base de données.
Dans l'application, l'API Gemini est utilisée pour alimenter les fonctionnalités de génération de contenu du chatbot. L'objet GeminiData gère l'interaction avec l'API Gemini. Il comprend deux méthodes principales: getResponse et getResponseWithImage.
getResponse: cette méthode prend en charge une requête textuelle, et éventuellement un ID de conversation et un code temporel. Il utilise le modèle "gemini-pro" pour générer une réponse textuelle. La méthode exécute l'appel d'API dans un thread en arrière-plan à l'aide de withContext(Dispatchers.IO) pour assurer des performances d'interface utilisateur fluides. Elle renvoie un objet Chat contenant le texte de la réponse ou un message d'erreur si l'appel d'API échoue.
getResponseWithImage: cette méthode est similaire, mais elle gère également les données d'image. Il prend en charge une requête textuelle, une image (au format Bitmap) et éventuellement un ID de conversation et un code temporel. À l'aide du modèle "gemini-pro-vision", il combine les données textuelles et les données d'image pour générer une réponse. La méthode construit le contenu de l'entrée à l'aide de l'image et du texte fournis, effectue l'appel d'API dans un thread en arrière-plan et renvoie un objet Chat avec la réponse ou un message d'erreur.