Sovellukset iMed Web Sovelluksen käyttöopas

iMed-käyttöopas

Johdanto

1.1. Tarkoitus
Tämän tarkoitus web Sovelluksen tarkoituksena on ottaa raakatietoa ja mahdollistaa sen manipulointi tavalla, joka tuottaa hyödyllisiä tuloksia päätöksenteossa. Tämä voi olla mallin kouluttamista raakatiedolla tai tuloksen ennustamista mallien ja analyysin avulla.
1.2. Navigointivalikko
Sivun yläreunassa oleva navigointivalikko sisältää kaikki linkit, joiden avulla pääset haluamaasi paikkaan. Jos eksyt, voit aina napsauttaa takaisin-nuolta päästäksesi tutulle sivulle, palata kotiin tai löytää etsimäsi sivun navigointivalikosta.
1.3. Tili
Jos sinulla ei vielä ole tiliä, sinun on rekisteröidyttävä käyttääksesi sovellusta. Napsauta oikeassa yläkulmassa olevaa tilipainiketta ja napsauta Rekisteröidy. Syötä sitten käyttäjätunnuksesi, salasanasi ja sähköpostiosoitteesi jatkaaksesi.

Jos sinulla on jo tili, kirjaudu sisään käyttäjätunnuksellasi ja salasanallasi.

Kotisivu

Napsauttamalla sivun vasemmalla puolella olevia kohteita, kunkin kuvaus tulee näkyviin sivun keskelle, mikä auttaa sinua ymmärtämään, mitä kukin tekee.

iMedBot

iMedBot-sovellus tarjoaa käyttöliittymän, joka helpottaa käyttäjän vuorovaikutusta agenttien kanssa, mikä mahdollistaa yksilöllisen ennustamisen ja mallikoulutuksen. Se on ensimmäinen askel kohti syvän oppimisen tutkimuksen tulosten muuntamista verkkotyökaluksi, joka voi herättää uusia tutkimushankkeita tällä alalla. Sen vastaava käyttöohje löytyy täältä.

Tietojen analyysi

4.1. Hae osajoukot
Tässä osiossa käyttäjä voi muokata tietojoukkoaan. Voit joko ladata uuden tietojoukon tai käyttää olemassa olevaa tietojoukkoa avattavasta valikosta.

Kun tietojoukko on ladattu, voit valita mitä haluat tehdä napsauttamalla jotakin vasemman reunan valikosta.
4.1.1. Hae osajoukkoja suodattimien perusteella
Tämä osio mahdollistaa pienemmän osajoukon alkuperäisestä tietojoukosta tiettyjen suodattimien perusteella. Valitse arvot, jotka haluat osajoukkoon, ja valitse sitten sarakkeet, jotka haluat näkyvän lopullisessa tietojoukossa.

4.1.2. Palauta lajitellut tulokset
Tämä palauttaa tietojoukon lajiteltuna. Valitse kohdesarake, lajittelujärjestys, palautettavien rivien määrä ja lopullisessa tulosteessa näytettävät sarakkeet.

4.1.3. Laajenna tietojoukkoa
Tämän avulla käyttäjä voi laajentaa sanakirjaksi tallennetun yksittäisen sarakkeen todelliseksi taulukoksi, jota käyttäjä voi sitten käsitellä. Se ottaa sisäkkäisen tietojoukon ja siirtää käyttäjän tarvitseman tiedon ylimmälle tasolle. Lataa ensin tietojoukko, joka sisältää sarakkeen, jossa on sisäkkäinen tietojoukko. Jos laajennettava sarake havaitaan automaattisesti, valitse laajennettava sarake ja mitkä sarakkeet poimitaan sisäkkäisistä tiedoista. Napsauta Lähetä ja voit view tietosi taulukon sarakkeina sisäkkäisten tietojen sijaan.
4.2. Yhdistä Files
Kun valitset ja lataat useita tietojoukkoja ctrl-napsauttamalla (komento macille), ne yhdistetään yhdeksi suuremmaksi tietojoukoksi kuin mihin tahansa muuhun.

Valitse vain kaikki tietojoukot ja täytä vaaditut tiedot. Tämä tallentaa uuden tietojoukon iMed-sovellukseen ja on sitten ladattavissa.
4.3. Piirustusfunktiot
Tämän osion avulla käyttäjä voi piirtää tietojoukonsa. Valitse jokin vaihtoehdoista vasemmanpuoleisesta valikosta ja täytä sitten vaaditut kentät saadaksesi tonttisi. Alla on kaaviotyypit, joita voit tehdä tiedoistasi:

4.4 Tilastollinen analyysi
Tämän osion avulla voimme suorittaa tilastollisia testejä tietojoukollemme. Valitse suoritettava testi vasemman reunan valikosta ja täytä kentät suorittaaksesi testit. Alla ovat saatavilla olevat testityypit:

ODPAC

5.1. Oppia
Tällä sivulla on lyhyt kuvaus kustakin tällä sivulla saatavilla olevasta resurssityypistä. Kunkin osion yläreunassa olevan painikkeen napsauttaminen avaa linkin toiselle sivulle, jonka avulla käyttäjä voi käyttää aihetta tai oppia siitä lisää.
5.1.1. Epistasis
Tällä sivulla voimme käyttää MBS:ää, hakualgoritmia oppiaksemme tiedoista. Erityisesti sen avulla voimme tutkia epistaasia, kahden tai useamman geenin välistä vuorovaikutusta, jotka vaikuttavat fenotyyppiin. Tämä on hyödyllistä ammattilaisellefile sairauksia geneettisesti. Perinteiset menetelmät eivät sovellu käsittelemään genominlaajuisissa assosiaatiotutkimuksissa (GWAS) löydettyä korkeaulotteista dataa. Multiple Beam Search (MBS) -algoritmi mahdollistaa vuorovaikutuksessa olevien geenien havaitsemisen paljon nopeammin. Lataa tiedot, joita haluat käyttää, ja kirjoita sitten vaaditut kentät. Tarkempia tietoja varten löydät koko paperin täältä.

5.1.2. Riskitekijät
Tällä sivulla voimme käyttää IGain-pakettia tietojen välisen vuorovaikutuksen oppimiseen. Se erityisesti oppii vuorovaikutuksia korkeadimensionaalisista tiedoista heuristisen haun avulla. Tämä menetelmä perustuu Exhaustive_IGain-menetelmään, joka on aiemmin kehitetty oppimaan vuorovaikutuksia pieniulotteisista tiedoista. Lataa tiedot ja kirjoita sitten vaaditut kentät. Lisätietoja IS-kynnyksistä ja iGainista löytyy täältä.

5.1.3. Ennustusmallit
Tämä osio mahdollistaa koneoppimismallien päälle valmiiksi rakennettujen ennustemallien käytön nopeuttamaan sen käyttöä. Tämä mahdollistaa niiden käytön ilman koodausta ja aikaisempaa kokemusta mallien ennustamiseen omalla tietojoukollaan. Käyttäjän käytettävissä on lukuisia ennustemalleja, mukaan lukien logistiset, regressio-, tukivektorikoneet (SVM:t), päätöspuut ja monet muut. Täydellinen luettelo ennustemenetelmistä löytyy sivun oikeasta laidasta täältä.
5.2. Ennustus
Tämä osio mahdollistaa ennusteet aiemmin ladatusta jaetusta mallista. Lataa ensin jaettu malli, jos et ole jo tehnyt niin. Valitse sitten ennustamiseen käytettävä malli napsauttamalla mallin nimeä. Lataa sitten tiedot ennustemallin käyttöä varten. Tämä voidaan tehdä joko manuaalisesti käyttämällä sivun alareunassa olevaa lomaketta tai käyttämällä ladattavissa olevaa mallia. Jos käytät mallia, lataa tietojoukko file ja napsauta Lähetä saadaksesi malliennusteen.
5.3. Päätöksentekotuki
Päätöstuki tarjoaa luokituksen ja voi ohjata hoitovalintoja järjestelmään toimitettujen tietojen perusteella. Se on koulutettu tietojen perusteella suosittelemaan optimaalista hoitomenetelmää potilaan ominaisuuksien perusteella. Lisätietoja Clinical Decision Support Systems (CDSS) -järjestelmistä löytyy täältä.
Järjestelmäsuositus ottaa huomioon potilaan ominaisuudet ja suosittelee hoitomenettelyä ja ennustaa 5 vuoden etäpesäkkeiden tulevan todennäköisyyden. Käyttäjän interventio ottaa huomioon sekä potilaan ominaisuudet että hoitomenetelmän 5 vuoden etäpesäkkeiden tulevan todennäköisyyden ennustamiseksi nykyisen hoidon perusteella optimaalisen hoidon sijaan.

MBIL

Markov Blanket and Interactive Risk Factor Learner (MBIL) on algoritmi, joka oppii yksittäiset ja interaktiiviset riskitekijät, jotka vaikuttavat suoraan potilaan lopputulokseen. Napsauta "siirry MBILiin", jolloin sinut ohjataan täällä sijaitsevan MBIL-paketin Python Package Indexiin (PyPI). Lisätietoja MBIL:stä löytyy osoitteesta BMC Bioinformatics.

Tietojoukot

Tämän osion avulla käyttäjä voi nähdä ja ladata uusia tietojoukkoja web sovellus.
7.1. Katso Kaikki saatavilla olevat tietojoukot
Näet kaikki saatavilla olevat tietojoukot napsauttamalla "Näytä käytettävissä olevat tietojoukot".

7.2. Lataa tietojoukko
Jos haluat ladata tietojoukon, napsauta "Jaa tietojoukot" ja täytä sitten vaaditut tiedot websivu. Lataa ensin tietojoukko ja täytä vaaditut kentät.

Täytä sitten alla olevat kentät tai lähetä teksti file täytettyjen tietojen kanssa. ExampAlla kerrotaan, kuinka tiedot järjestetään niin, että sovellus ymmärtää ne.

Mallit

Tämän osion avulla käyttäjä voi nähdä käytettävissään olevat mallit ja jakaa mallin.
8.1. Katso kaikki mallit saatavilla
Näet kaikki saatavilla olevat mallit napsauttamalla "Näytä saatavilla olevat mallit".

8.2. Jaa malli
Jaa malli napsauttamalla "Jaa mallinne" ja lataa sitten malli file koulutettu tensorivirtauksella tai PyTorchilla.

8.2.1. Aiheeseen liittyvä tietojoukko
Lataa sitten aiheeseen liittyvä tietojoukko, joka sisältää otsikot. Tietojoukon luokan/tunnisteen tulee olla viimeisessä sarakkeessa.

8.2.2. Ennustajat ja luokkatiedot
Jos tietojoukko sisältää kaikki ominaisuudet, ominaisuuslomake voidaan ohittaa tietojoukon lataamisen jälkeen. Jos niitä ei kuitenkaan ole kaikkia mukana, nämä tiedot on annettava kuvauksessa file tai ominaisuuslomakkeessa. Valitse pudotusvalikosta vaihtoehto, joka osoittaa, kuinka aiot antaa ennustajat ja luokkatiedot.

Jos käytät kuvausvaihtoehtoa, voit joko täyttää kentät tai ladata tekstin file täytettyjen tietojen kanssa. ExampAlla kerrotaan, kuinka tiedot järjestetään.