iMed Руководство пользователя
Введение
1.1 Цель
Цель этого web Приложение состоит в том, чтобы взять необработанную информацию и позволить манипулировать ею таким образом, чтобы получить результаты, полезные для принятия решений. Это может быть обучение модели на необработанных данных или прогнозирование результата с использованием моделей и анализа.
1.2. Навигационное меню
Навигационное меню в верхней части страницы содержит все ссылки, позволяющие добраться туда, где вам нужно. Если вы когда-нибудь заблудитесь, вы всегда можете нажать стрелку назад, чтобы перейти на знакомую страницу, вернуться домой или найти нужную страницу в навигационном меню.
1.3. Счет
Если у вас еще нет учетной записи, вам необходимо зарегистрироваться, чтобы использовать приложение. Для этого нажмите кнопку учетной записи в правом верхнем углу и нажмите «Зарегистрироваться». Затем введите свое имя пользователя, пароль и адрес электронной почты, чтобы продолжить.
Если у вас уже есть учетная запись, войдите в нее, используя свое имя пользователя и пароль.
Домашняя страница
Если щелкнуть элементы в левой части страницы, в центре страницы появится описание каждого из них, которое поможет вам понять, что делает каждый из них.
iMedBot
Приложение iMedBot представляет собой интерфейс, который облегчает взаимодействие пользователя с агентами, позволяя персонализировать прогнозирование и обучение моделей. Это станет первым шагом на пути к преобразованию результатов исследований в области глубокого обучения в онлайн-инструмент, который потенциально может стимулировать дополнительные исследования в этой области. Соответствующее руководство пользователя можно найти здесь.
Анализ данных
4.1. Получить подмножества
Этот раздел позволяет пользователю редактировать свой набор данных. В раскрывающемся меню вы можете выбрать загрузку нового набора данных или использовать существующий.
После загрузки набора данных вы можете выбрать, какое действие вы хотите предпринять, щелкнув один из вариантов в меню слева.
4.1.1. Получите подмножества на основе фильтров
Этот раздел позволяет получить меньшее подмножество исходного набора данных на основе заданных фильтров. Выберите значения, которые вы хотите включить в подмножество, а затем выберите столбцы, которые вы хотите отобразить в окончательном наборе данных.
4.1.2. Возврат отсортированных результатов
Это возвращает набор данных в отсортированном виде. Выберите целевой столбец, порядок сортировки, количество возвращаемых строк и столбцы, которые будут отображаться в конечном выводе.
4.1.3. Расширить набор данных
Это позволяет пользователю расширить отдельный столбец, хранящийся как словарь, в реальную таблицу, которой пользователь затем может манипулировать. Он берет вложенный набор данных и перемещает то, что требуется пользователю, на самый верхний уровень. Сначала загрузите набор данных, который включает столбец с вложенным набором данных. Если столбец, требующий расширения, обнаруживается автоматически, выберите, какой столбец развернуть и какие столбцы извлечь из вложенной информации. Нажмите «Отправить», и вы сможете view ваша информация в виде столбцов таблицы, а не вложенных данных.
4.2. Слияние Files
Выбрав и загрузив несколько наборов данных, нажав клавишу CTRL (команда для Mac), вы объедините их в один более крупный набор данных, чем можно будет использовать для чего-то другого.
Просто выберите все наборы данных и заполните необходимую информацию. Новый набор данных будет сохранен в приложении iMed и затем доступен для загрузки.
4.3. Функции графика
Этот раздел позволяет пользователю построить график своего набора данных. Выберите один из вариантов в меню слева, а затем заполните необходимые поля, чтобы получить график. Ниже приведены типы графиков, которые вы можете построить на основе своих данных:
4.4 Статистический анализ
Этот раздел позволяет нам проводить статистические тесты для нашего набора данных. Выберите тест для запуска в меню слева и заполните поля для запуска тестов. Ниже приведены доступные типы тестов:
ОДПАК
5.1.Учиться
Эта страница содержит краткое описание каждого типа ресурсов, доступных на этой странице. Нажатие кнопки в верхней части каждого раздела приведет к переходу на другую страницу, позволяющую пользователю использовать эту тему или узнать больше о ней.
5.1.1 Эпистаз
Эта страница позволяет нам использовать MBS, алгоритм поиска для обучения на основе данных. В частности, это позволяет нам изучать эпистаз — взаимодействие между двумя или более генами, влияющими на фенотип. Это полезно для профиfile заболевания в генетическом аспекте. Обычные методы не подходят для обработки многомерных данных, полученных в полногеномных исследованиях ассоциаций (GWAS). Алгоритм Multiple Beam Search (MBS) позволяет обнаруживать взаимодействующие гены гораздо быстрее. Загрузите данные, которые вы хотите использовать, а затем введите необходимые поля. Более подробную информацию можно найти здесь.
5.1.2. Факторы риска
Эта страница позволяет нам использовать пакет IGain для изучения взаимодействия между данными. Он специально изучает взаимодействия на основе многомерных данных с помощью эвристического поиска. Этот метод основан на методе Exhaustive_IGain, ранее разработанном для изучения взаимодействий на основе низкоразмерных данных. Загрузите данные, а затем введите необходимые поля. Более подробную информацию о порогах IS и iGain можно найти здесь.
5.1.3. Модели прогнозирования
Этот раздел позволяет использовать модели прогнозирования, уже предварительно созданные на основе моделей машинного обучения, чтобы ускорить их использование. Это позволяет их использовать без использования кодирования и предварительного опыта для прогнозирования моделей с использованием собственного набора данных. Пользователю доступно множество моделей прогнозирования, включая логистические, регрессионные, машины опорных векторов (SVM), деревья решений и многие другие. Полный список методов прогнозирования можно найти в правой части страницы здесь.
5.2. Прогноз
В этом разделе можно делать прогнозы на основе ранее загруженной общей модели. Сначала загрузите общую модель, если это еще не сделано. Затем выберите модель, которая будет использоваться для прогнозирования, щелкнув имя модели. Затем загрузите данные для использования в модели прогнозирования. Это можно сделать как вручную с помощью формы внизу страницы, так и с помощью шаблона, доступного для скачивания. Если вы используете шаблон, загрузите набор данных. file и нажмите «Отправить», чтобы получить прогноз модели.
5.3. Поддержка при принятии решения
Поддержка принятия решений обеспечивает классификацию и может определять выбор лечения на основе информации, поступившей в систему. Он был обучен на основе данных рекомендовать оптимальную процедуру лечения с учетом особенностей пациента. Более подробную информацию о системах поддержки принятия клинических решений (CDSS) можно найти здесь.
Системные рекомендации учитывают особенности пациента, рекомендуют процедуру лечения и прогнозируют будущую вероятность метастазирования в течение 5 лет. Пользовательское вмешательство учитывает как характеристики пациента, так и процедуру лечения, чтобы спрогнозировать будущую вероятность 5-летнего метастазирования на основе текущего лечения, а не оптимального лечения.
МБИЛ
Марковское одеяло и интерактивное средство изучения факторов риска (MBIL) — это алгоритм, который изучает отдельные и интерактивные факторы риска, которые оказывают непосредственное влияние на результат лечения пациента. Нажмите «Перейти к MBIL», чтобы перейти к индексу пакетов Python (PyPI) для расположенного здесь пакета MBIL. Более подробную информацию о MBIL можно найти на сайте BMC Bioinformatics.
Наборы данных
Этот раздел позволяет пользователю просматривать и загружать новые наборы данных в web приложение.
7.1. Просмотреть все доступные наборы данных
Чтобы просмотреть все доступные наборы данных, просто нажмите «Показать доступные наборы данных».
7.2. Загрузите набор данных
Чтобы загрузить набор данных, нажмите «Поделиться своими наборами данных», а затем заполните необходимую информацию, как указано на странице webстраница. Сначала загрузите набор данных и заполните необходимые поля.
Затем заполните поля ниже или загрузите текст file с заполненной информацией. БывшийampНиже приведена информация о том, как организовать информацию, чтобы приложение могло ее понять.
Модели
Этот раздел позволяет пользователю видеть доступные ему модели и делиться ими.
8.1. Посмотреть все доступные модели
Чтобы просмотреть все доступные модели, нажмите «Показать доступные модели».
8.2. Поделиться моделью
Чтобы поделиться моделью, нажмите «Поделиться своими моделями», а затем загрузите модель. file обучен с помощью тензорного потока или PyTorch.
8.2.1. Связанный набор данных
Затем вам следует загрузить связанный набор данных, который включает заголовки. Класс/метка набора данных должен находиться в последнем столбце.
8.2.2. Предикторы и информация о классе
Если набор данных включает в себя все объекты, форму объекта можно пропустить после загрузки набора данных. Однако, если они не все включены, эту информацию необходимо указать в описании. file или в форме объекта. Выберите опцию из раскрывающегося списка, указывающую, как вы собираетесь предоставлять предикторы и информацию о классе.
Если вы используете опцию описания, вы можете либо заполнить поля, либо загрузить текст. file с заполненной информацией. БывшийampНиже приведена информация о том, как организовать информацию.
Документы/Ресурсы
 |
Приложения iMed Web Приложение [pdf] Руководство пользователя iMed, iMed Web Приложение, Web Приложение |