Manual Pengguna iMed
pengenalan
1.1. Tujuan
tujuan ini web permohonan adalah untuk mengambil maklumat mentah dan membenarkan memanipulasinya dengan cara yang memberikan hasil yang berguna dalam membuat keputusan. Ini boleh menjadi untuk melatih model dengan data mentah atau meramalkan hasil menggunakan model dan analisis.
1.2. Menu Navigasi
Menu navigasi di bahagian atas halaman menyimpan semua pautan untuk pergi ke tempat yang anda perlukan. Jika anda pernah tersesat, anda sentiasa boleh mengklik anak panah belakang untuk pergi ke halaman biasa, pulang ke rumah atau mencari halaman yang anda cari dalam menu navigasi.
1.3. Akaun
Jika anda belum mempunyai akaun, anda mesti mendaftar untuk menggunakan aplikasi tersebut. Untuk berbuat demikian, klik butang akaun di bahagian atas sebelah kanan dan klik daftar. Kemudian masukkan nama pengguna, kata laluan dan e-mel anda untuk meneruskan.
Jika anda sudah mempunyai akaun, log masuk dengan nama pengguna dan kata laluan anda.
Halaman Utama
Dengan mengklik pada item di sebelah kiri halaman, penerangan setiap satu akan muncul di tengah halaman untuk membantu anda memahami perkara yang dilakukan oleh setiap satu.
iMedBot
Aplikasi iMedBot mempersembahkan antara muka yang memupuk interaksi pengguna yang mudah dengan ejen, membolehkan ramalan diperibadikan dan latihan model. Ia berfungsi sebagai langkah pertama ke arah mengubah hasil penyelidikan pembelajaran mendalam kepada alat dalam talian, yang berpotensi untuk mencetuskan usaha penyelidikan tambahan dalam domain ini. Manual pengguna masing-masing boleh didapati di sini.
Analisis Data
4.1. Dapatkan Subset
Bahagian ini membenarkan pengguna mengedit set data mereka. Anda boleh memilih sama ada untuk memuat naik set data baharu atau menggunakan set data sedia ada daripada menu lungsur.
Setelah set data telah dimuat naik, anda boleh memilih tindakan yang anda ingin lakukan dengan mengklik salah satu pilihan pada menu sebelah kiri.
4.1.1. Dapatkan Subset Berdasarkan Penapis
Bahagian ini membolehkan mendapatkan subset yang lebih kecil daripada set data asal berdasarkan penapis yang diberikan. Pilih nilai yang anda inginkan dalam subset dan kemudian pilih lajur yang anda mahu ditunjukkan dalam set data akhir.
4.1.2. Kembalikan Keputusan Isih
Ini mengembalikan set data dalam bentuk yang diisih. Pilih lajur sasaran, susunan pengisihan, bilangan baris untuk dikembalikan dan lajur yang hendak ditunjukkan dalam output akhir.
4.1.3. Kembangkan Set Data
Ini membolehkan pengguna mengembangkan lajur tunggal yang disimpan sebagai kamus ke dalam jadual sebenar yang kemudiannya boleh dimanipulasi oleh pengguna. Ia memerlukan set data bersarang dan mengalihkan perkara yang diperlukan oleh pengguna ke lapisan paling atas. Mula-mula, muat naik set data yang mengandungi lajur dengan set data bersarang. Jika lajur yang perlu dikembangkan dikesan secara automatik, pilih lajur mana untuk dikembangkan dan lajur mana untuk diekstrak daripada maklumat bersarang. Klik hantar dan anda boleh view maklumat anda sebagai lajur jadual dan bukannya data bersarang.
4.2. Gabungan Files
Dengan memilih dan memuat naik berbilang set data dengan mengklik ctrl (perintah untuk mac), ini akan menggabungkannya menjadi satu set data yang lebih besar daripada digunakan untuk sesuatu yang lain.
Hanya pilih semua set data dan isikan maklumat yang diperlukan. Ini akan menyimpan set data baharu ke aplikasi iMed dan kemudiannya tersedia untuk dimuat turun.
4.3. Fungsi Plot
Bahagian ini membolehkan pengguna merancang set data mereka. Pilih salah satu pilihan pada menu sebelah kiri dan kemudian isikan medan yang diperlukan untuk mendapatkan plot anda. Berikut ialah jenis plot yang boleh anda buat daripada data anda:
4.4. Analisis Statistik
Bahagian ini membolehkan kami menjalankan ujian statistik pada set data kami. Pilih ujian untuk dijalankan dari menu sebelah kiri dan isikan medan untuk menjalankan ujian. Berikut adalah jenis ujian yang tersedia:
ODPAC
5.1. Belajar
Halaman ini termasuk penerangan ringkas tentang setiap jenis sumber yang tersedia pada halaman ini. Mengklik butang di bahagian atas setiap bahagian akan memaut ke halaman lain yang membolehkan pengguna menggunakan atau mengetahui lebih lanjut tentang topik tersebut.
5.1.1. Epistasis
Halaman ini membolehkan kami menggunakan MBS, algoritma carian untuk belajar daripada data. Secara khusus, ia membolehkan kita mengkaji epistasis, interaksi antara dua atau lebih gen yang mempengaruhi fenotip. Ini berguna untuk profile penyakit dalam aspek genetik. Kaedah konvensional tidak sesuai untuk mengendalikan data dimensi tinggi yang terdapat dalam kajian persatuan seluruh genom (GWAS). Algoritma Multiple Beam Search (MBS) membolehkan pengesanan gen yang berinteraksi pada kadar yang lebih pantas. Muat naik data yang anda mahu gunakan dan kemudian masukkan medan yang diperlukan. Untuk maklumat lebih mendalam, cari kertas penuh di sini.
5.1.2. Faktor Risiko
Halaman ini membolehkan kami menggunakan pakej IGain untuk mempelajari interaksi antara data. Ia secara khusus mempelajari interaksi daripada data berdimensi tinggi menggunakan carian heuristik. Kaedah ini dibina berdasarkan kaedah Exhaustive_IGain yang dibangunkan sebelum ini untuk mempelajari interaksi daripada data berdimensi rendah. Muat naik data dan kemudian masukkan medan yang diperlukan. Maklumat lanjut tentang ambang IS dan iGain boleh didapati di sini.
5.1.3. Model Ramalan
Bahagian ini membenarkan penggunaan model ramalan yang telah sedia dibina di atas model pembelajaran mesin untuk mempercepatkan penggunaannya. Ini membolehkan penggunaannya tanpa menggunakan pengekodan dan pengalaman terdahulu untuk meramal model menggunakan set data mereka sendiri. Terdapat banyak model ramalan yang tersedia untuk pengguna termasuk Logistik, Regresi, Mesin Vektor Sokongan (SVM), Pokok Keputusan dan banyak lagi. Senarai penuh kaedah ramalan terdapat di sebelah kanan halaman di sini.
5.2. Ramalan
Bahagian ini membenarkan ramalan daripada model kongsi yang dimuat naik sebelum ini. Mula-mula muat naik model kongsi jika belum berbuat demikian. Kemudian pilih model untuk digunakan untuk ramalan dengan mengklik nama model. Kemudian muat naik data untuk model ramalan untuk digunakan. Ini boleh dilakukan sama ada secara manual menggunakan borang di bahagian bawah halaman atau menggunakan templat yang tersedia untuk dimuat turun. Jika menggunakan templat, muat naik set data file dan klik hantar untuk menerima ramalan model.
5.3. Sokongan keputusan
Sokongan keputusan menyediakan klasifikasi dan boleh membimbing pilihan rawatan daripada maklumat yang dibekalkan kepada sistem. Ia telah dilatih daripada data untuk mengesyorkan prosedur rawatan yang optimum berdasarkan ciri pesakit. Maklumat lanjut mengenai Sistem Sokongan Keputusan Klinikal (CDSS) boleh didapati di sini.
Syor Sistem mengambil ciri pesakit dan mengesyorkan prosedur rawatan dan meramalkan kebarangkalian metastasis 5 tahun pada masa hadapan. Intervensi Pengguna mengambil kedua-dua ciri pesakit dan prosedur rawatan untuk meramalkan kebarangkalian masa depan metastasis 5 tahun berdasarkan rawatan semasa dan bukannya rawatan optimum.
MBIL
Markov Blanket and Interactive Risk Factor Learner (MBIL) ialah algoritma yang mempelajari faktor risiko tunggal dan interaktif yang mempunyai pengaruh langsung ke atas hasil pesakit. Klik "pergi ke MBIL" untuk dialihkan ke Indeks Pakej Python (PyPI) untuk pakej MBIL yang terdapat di sini. Maklumat lanjut tentang MBIL boleh didapati di BMC Bioinformatics.
Set data
Bahagian ini membolehkan pengguna melihat dan memuat naik set data baharu ke web permohonan.
7.1. Lihat Semua Set Data Tersedia
Untuk melihat semua set data tersedia, cuma klik "Tunjukkan Set Data Tersedia."
7.2. Muat naik Set Data
Untuk memuat naik set data, klik "Kongsi Set Data Anda" dan kemudian isikan maklumat yang diperlukan seperti yang dinyatakan pada webmuka surat. Mula-mula, muat naik set data dan isikan medan yang diperlukan.
Kemudian, isikan medan di bawah atau muat naik teks file dengan maklumat yang diisi. Bekasampcara menyusun maklumat supaya aplikasi dapat memahaminya diberikan di bawah.
model
Bahagian ini membolehkan pengguna melihat model yang tersedia untuk mereka dan berkongsi model.
8.1. Lihat Semua Model Tersedia
Untuk melihat semua model yang tersedia, klik "Tunjukkan Model yang Tersedia."
8.2. Kongsi Model
Untuk berkongsi model, klik pada "Kongsi Model Anda" dan kemudian muat naik model file dilatih oleh aliran tensor atau PyTorch.
8.2.1. Set Data Berkaitan
Anda kemudiannya harus memuat naik set data berkaitan yang termasuk pengepala. Kelas/label untuk set data hendaklah berada dalam lajur terakhir.
8.2.2. Peramal dan maklumat Kelas
Jika set data merangkumi semua ciri, borang ciri boleh dilangkau selepas memuat naik set data. Walau bagaimanapun, jika kesemuanya tidak disertakan, maklumat ini mesti disediakan dalam huraian file atau dalam bentuk ciri. Pilih pilihan daripada menu lungsur yang menunjukkan cara anda berhasrat untuk memberikan peramal dan maklumat kelas.
Jika menggunakan pilihan penerangan, anda boleh sama ada mengisi medan atau memuat naik teks file dengan maklumat yang diisi. Bekasampcara menyusun maklumat diberikan di bawah.
Dokumen / Sumber
 |
Aplikasi iMed Web Permohonan [pdf] Manual Pengguna iMed, iMed Web Permohonan, Web Permohonan |