Manual d'usuari iMed
Introducció
1.1. Finalitat
El propòsit d'això web L'aplicació consisteix a prendre informació en brut i permetre manipular-la de manera que doni resultats útils en la presa de decisions. Això pot ser entrenar un model amb dades en brut o predir el resultat mitjançant models i anàlisis.
1.2. Menú de navegació
El menú de navegació a la part superior de la pàgina conté tots els enllaços per arribar on necessiteu ser. Si mai us perdeu, sempre podeu fer clic a la fletxa enrere per anar a una pàgina coneguda, tornar a casa o trobar la pàgina que cerqueu al menú de navegació.
1.3. Compte
Si encara no teniu cap compte, us heu de registrar per utilitzar l'aplicació. Per fer-ho, feu clic al botó del compte a la part superior dreta i feu clic a registrar. A continuació, introduïu el vostre nom d'usuari, contrasenya i correu electrònic per continuar.
Si ja teniu un compte, inicieu la sessió amb el vostre nom d'usuari i contrasenya.
Pàgina d'inici
En fer clic als elements de l'esquerra de la pàgina, apareixerà una descripció de cadascun al mig de la pàgina per ajudar-vos a entendre què fa cadascú.
iMedBot
L'aplicació iMedBot presenta una interfície que facilita la interacció de l'usuari amb els agents, permetent una predicció personalitzada i un entrenament de models. Serveix com el primer pas cap a la transformació dels resultats de la investigació d'aprenentatge profund en una eina en línia, que té el potencial de desencadenar activitats de recerca addicionals en aquest domini. El seu manual d'usuari respectiu es pot trobar aquí.
Anàlisi de dades
4.1. Recuperar subconjunts
Aquesta secció permet a l'usuari editar el seu conjunt de dades. Podeu triar entre penjar un conjunt de dades nou o utilitzar-ne un existent al menú desplegable.
Un cop penjat el conjunt de dades, podeu triar quina acció voleu dur a terme fent clic a una de les opcions del menú de l'esquerra.
4.1.1. Recuperar subconjunts basats en filtres
Aquesta secció permet obtenir un subconjunt més petit del conjunt de dades original basat en els filtres donats. Trieu els valors que vulgueu al subconjunt i, a continuació, trieu les columnes que voleu que es mostrin al conjunt de dades final.
4.1.2. Torna els resultats ordenats
Això retorna el conjunt de dades en una forma ordenada. Trieu la columna de destinació, l'ordre d'ordenació, el nombre de files a retornar i quines columnes voleu mostrar a la sortida final.
4.1.3. Amplieu el conjunt de dades
Això permet a l'usuari expandir una columna singular emmagatzemada com a diccionari en una taula real que l'usuari pot manipular. Pren un conjunt de dades imbricat i mou el que requereix l'usuari a la capa superior. Primer, pengeu un conjunt de dades que inclogui una columna amb un conjunt de dades imbricat. Si es detecta automàticament una columna que s'ha d'ampliar, trieu quina columna voleu ampliar i quines columnes voleu extreure de la informació imbricada. Feu clic a enviar i podreu view la vostra informació com a columnes d'una taula en lloc de dades imbricades.
4.2. Fusionar Files
En seleccionar i carregar diversos conjunts de dades fent clic a Ctrl (ordre per a Mac), això els combinarà en un conjunt de dades més gran que el que s'utilitzarà per a una altra cosa.
Només cal que seleccioneu tots els conjunts de dades i ompliu la informació requerida. Això desarà el nou conjunt de dades a l'aplicació iMed i després es podrà descarregar.
4.3. Funcions de trama
Aquesta secció permet a l'usuari dibuixar el seu conjunt de dades. Trieu una de les opcions del menú de l'esquerra i, a continuació, ompliu els camps obligatoris per obtenir la vostra parcel·la. A continuació es mostren els tipus de trames que podeu fer a partir de les vostres dades:
4.4. Anàlisi estadística
Aquesta secció ens permet fer proves estadístiques al nostre conjunt de dades. Trieu una prova per executar-la al menú de l'esquerra i ompliu els camps per executar les proves. A continuació es mostren els tipus de proves disponibles:
ODPAC
5.1. Aprèn
Aquesta pàgina inclou una breu descripció de cada tipus de recurs disponible en aquesta pàgina. Si feu clic al botó de la part superior de cada secció, s'enllaçarà a una altra pàgina que permetrà a l'usuari utilitzar o obtenir més informació sobre el tema.
5.1.1. Epistasi
Aquesta pàgina ens permet utilitzar MBS, un algorisme de cerca per aprendre de les dades. En concret, ens permet estudiar l'epistasi, la interacció entre dos o més gens que afecten el fenotip. Això és útil per als professionalsfile malalties en l'aspecte genètic. Els mètodes convencionals no són adequats per manejar les dades d'alta dimensió que es troben en estudis d'associació a tot el genoma (GWAS). L'algoritme de recerca de feix múltiple (MBS) permet detectar gens que interactuen a un ritme molt més ràpid. Carregueu les dades que voleu utilitzar i, a continuació, introduïu els camps obligatoris. Per obtenir informació més detallada, trobareu el document complet aquí.
5.1.2. Factors de risc
Aquesta pàgina ens permet utilitzar el paquet IGain per conèixer les interaccions entre dades. Aprèn específicament les interaccions a partir de dades d'alta dimensió mitjançant una cerca heurística. Aquest mètode es basa en el mètode Exhaustive_IGain desenvolupat anteriorment per aprendre interaccions a partir de dades de dimensions baixes. Carregueu les dades i introduïu els camps obligatoris. Podeu trobar més informació sobre els llindars d'IS i iGain aquí.
5.1.3. Models de predicció
Aquesta secció permet l'ús de models de predicció ja preconstruïts sobre models d'aprenentatge automàtic per agilitzar-ne l'ús. Això permet el seu ús sense l'ús de codificació i experiència prèvia per predir models utilitzant el seu propi conjunt de dades. Hi ha nombrosos models de predicció disponibles per a l'usuari, com ara la logística, la regressió, les màquines vectorials de suport (SVM), els arbres de decisió i molts més. La llista completa de mètodes de predicció es troba a la part dreta de la pàgina aquí.
5.2. Predicció
Aquesta secció permet fer prediccions a partir d'un model compartit carregat anteriorment. Primer carregueu un model compartit si encara no ho heu fet. A continuació, trieu el model que voleu utilitzar per a la predicció fent clic al nom del model. A continuació, carregueu les dades per utilitzar el model de predicció. Això es pot fer manualment mitjançant el formulari que hi ha a la part inferior de la pàgina o mitjançant la plantilla disponible per descarregar. Si utilitzeu la plantilla, carregueu el conjunt de dades file i feu clic a enviar per rebre la predicció del model.
5.3. Suport a la decisió
El suport a les decisions proporciona classificació i pot guiar les opcions de tractament a partir de la informació subministrada al sistema. S'ha entrenat a partir de dades per recomanar el procediment de tractament òptim en funció de les característiques del pacient. Podeu trobar més informació sobre els sistemes de suport a la decisió clínica (CDSS) aquí.
La recomanació del sistema pren les característiques d'un pacient i recomana un procediment de tractament i prediu la probabilitat futura de metàstasi de 5 anys. La intervenció de l'usuari pren tant les característiques del pacient com el procediment de tractament per predir la probabilitat futura de metàstasi de 5 anys en funció del tractament actual en lloc del tractament òptim.
MBIL
El Markov Blanket and Interactive Risk Factor Learner (MBIL) és un algorisme que aprèn factors de risc únics i interactius que tenen una influència directa en el resultat d'un pacient. Feu clic a "anar a MBIL" per ser redirigit a l'índex de paquets Python (PyPI) del paquet MBIL que es troba aquí. Podeu trobar més informació sobre MBIL a BMC Bioinformatics.
Conjunts de dades
Aquesta secció permet a l'usuari veure i carregar nous conjunts de dades al web aplicació.
7.1. Consulteu tots els conjunts de dades disponibles
Per veure tots els conjunts de dades disponibles, només cal que feu clic a "Mostra els conjunts de dades disponibles".
7.2. Carregueu un conjunt de dades
Per carregar un conjunt de dades, feu clic a "Comparteix els vostres conjunts de dades" i, a continuació, ompliu la informació necessària tal com s'indica a la webpàgina. Primer, carregueu el conjunt de dades i ompliu els camps obligatoris.
A continuació, ompliu els camps següents o carregueu un text file amb la informació emplenada. Un exampA continuació es detalla com organitzar la informació perquè l'aplicació la pugui entendre.
Models
Aquesta secció permet a l'usuari veure els models disponibles i compartir un model.
8.1. Veure tots els models disponibles
Per veure tots els models disponibles, feu clic a "Mostra els models disponibles".
8.2. Comparteix un model
Per compartir un model, feu clic a "Comparteix els teus models" i, a continuació, pengeu un model file entrenat per flux tensor o PyTorch.
8.2.1. Conjunt de dades relacionat
A continuació, hauríeu de carregar el conjunt de dades relacionat que inclou les capçaleres. La classe/etiqueta del conjunt de dades ha d'estar a l'última columna.
8.2.2. Predictors i informació de classe
Si el conjunt de dades inclou totes les funcions, el formulari de funcions es pot ometre després de penjar el conjunt de dades. Tanmateix, si no estan inclosos tots, aquesta informació s'ha de proporcionar a la descripció file o dins del formulari de funció. Trieu l'opció del menú desplegable que indica com voleu proporcionar els predictors i la informació de la classe.
Si utilitzeu l'opció de descripció, podeu omplir els camps o pujar un text file amb la informació emplenada. Un exampA continuació s'explica com organitzar la informació.
Documents/Recursos
 |
Aplicacions iMed Web Aplicació [pdfManual d'usuari iMed, iMed Web Aplicació, Web Aplicació |