Manwal ng Gumagamit ng iMed
Panimula
1.1. Layunin
Ang layunin nito web Ang aplikasyon ay ang kumuha ng hilaw na impormasyon at payagan ang pagmamanipula nito sa paraang nagbibigay ng mga resultang kapaki-pakinabang sa paggawa ng desisyon. Ito ay maaaring sanayin ang isang modelo na may hilaw na data o hulaan ang kinalabasan gamit ang mga modelo at pagsusuri.
1.2. Navigational Menu
Ang navigational menu sa tuktok ng page ay nagtataglay ng lahat ng mga link upang makarating sa kung saan mo kailangan. Kung sakaling mawala ka, maaari mong palaging i-click ang pabalik na arrow upang makapunta sa isang pamilyar na pahina, bumalik sa bahay, o hanapin ang pahina na iyong hinahanap sa loob ng menu ng nabigasyon.
1.3. Account
Kung wala ka pang account, dapat kang magparehistro para magamit ang application. Upang gawin ito, i-click ang pindutan ng account sa kanang tuktok at i-click ang magparehistro. Pagkatapos ay ilagay ang iyong username, password, at email upang magpatuloy.
Kung mayroon ka nang account, mag-sign in gamit ang iyong username at password.
Home Page
Sa pamamagitan ng pag-click sa mga item sa kaliwa ng pahina, isang paglalarawan ng bawat isa ay lilitaw sa gitna ng pahina upang matulungan kang maunawaan kung ano ang ginagawa ng bawat isa.
iMedBot
Ang iMedBot application ay nagpapakita ng isang interface na nagpapalakas ng madaling pakikipag-ugnayan ng user sa mga ahente, na nagpapagana ng personalized na hula at pagsasanay sa modelo. Ito ay nagsisilbing unang hakbang patungo sa pagbabago ng mga kinalabasan ng malalim na pag-aaral ng pananaliksik sa isang online na tool, na may potensyal na makapagsimula ng mga karagdagang hangarin sa pananaliksik sa domain na ito. Ang kani-kanilang manwal ng gumagamit ay matatagpuan dito.
Pagsusuri ng Datos
4.1. Kunin ang mga Subset
Hinahayaan ng seksyong ito ang user na i-edit ang kanilang dataset. Maaari mong piliing mag-upload ng bagong dataset o gumamit ng dati mula sa drop-down na menu.
Kapag na-upload na ang dataset, maaari mong piliin kung anong aksyon ang gusto mong gawin sa pamamagitan ng pag-click sa isa sa mga opsyon sa kaliwang bahagi ng menu.
4.1.1. Kunin ang mga Subset Batay sa Mga Filter
Nagbibigay-daan ang seksyong ito sa pagkuha ng mas maliit na subset ng orihinal na dataset batay sa mga ibinigay na filter. Piliin ang mga value na gusto mo sa subset at pagkatapos ay piliin ang mga column na gusto mong ipakita sa huling dataset.
4.1.2. Ibalik ang Pinagsunod-sunod na Resulta
Ibinabalik nito ang dataset sa isang pinagsunod-sunod na anyo. Piliin ang target na column, pagkakasunud-sunod ng pag-uuri, bilang ng mga row na ibabalik, at kung aling mga column ang ipapakita sa huling output.
4.1.3. Palawakin ang Dataset
Nagbibigay-daan ito sa user na palawakin ang isang solong column na nakaimbak bilang isang diksyunaryo sa isang aktwal na talahanayan na maaaring manipulahin ng user. Nangangailangan ito ng nested dataset at inililipat ang kinakailangan ng user sa pinakanangungunang layer. Una, mag-upload ng dataset na may kasamang column na may nested dataset. Kung awtomatikong matukoy ang isang column na nangangailangan ng pagpapalawak, piliin kung aling column ang ipapalawak at kung aling mga column ang kukunin mula sa nested na impormasyon. I-click ang isumite at magagawa mo view ang iyong impormasyon bilang mga column ng isang table sa halip na nested data.
4.2. Pagsamahin Files
Sa pamamagitan ng pagpili at pag-upload ng maraming dataset sa pamamagitan ng pag-click sa ctrl (command para sa mac), isasama nito ang mga ito sa isang mas malaking dataset kaysa gagamitin para sa ibang bagay.
Piliin lamang ang lahat ng mga dataset at punan ang kinakailangang impormasyon. Ise-save nito ang bagong dataset sa iMed application at pagkatapos ay magagamit para sa pag-download.
4.3. Mga Pag-andar ng Plot
Hinahayaan ng seksyong ito ang user na i-plot ang kanilang dataset. Pumili ng isa sa mga opsyon sa kaliwang bahagi ng menu at pagkatapos ay punan ang mga kinakailangang field para makuha ang iyong plot. Nasa ibaba ang mga uri ng mga plot na maaari mong gawin mula sa iyong data:
4.4. Pagsusuri sa Istatistika
Hinahayaan kami ng seksyong ito na magpatakbo ng mga istatistikal na pagsubok sa aming dataset. Pumili ng pagsubok na tatakbo mula sa kaliwang bahagi ng menu at punan ang mga field para patakbuhin ang mga pagsubok. Nasa ibaba ang mga uri ng pagsubok na magagamit:
ODPAC
5.1. Matuto
Kasama sa pahinang ito ang isang maikling paglalarawan ng bawat uri ng mapagkukunang magagamit sa pahinang ito. Ang pag-click sa pindutan sa tuktok ng bawat seksyon ay magli-link sa isa pang pahina na nagpapahintulot sa gumagamit na gumamit o matuto nang higit pa tungkol sa paksa.
5.1.1. Epistasis
Hinahayaan kami ng page na ito na gumamit ng MBS, isang algorithm sa paghahanap upang matuto mula sa data. Sa partikular, pinapayagan tayo nitong pag-aralan ang epistasis, ang pakikipag-ugnayan sa pagitan ng dalawa o higit pang mga gene na nakakaapekto sa phenotype. Ito ay kapaki-pakinabang sa profile mga sakit sa genetic na aspeto. Ang mga maginoo na pamamaraan ay hindi angkop upang mahawakan ang high-dimensional na data na matatagpuan sa genome-wide association studies (GWAS). Ang algorithm ng Multiple Beam Search (MBS) ay nagbibigay-daan sa pag-detect ng mga nakikipag-ugnayang gene sa mas mabilis na rate. I-upload ang data na gusto mong gamitin at pagkatapos ay ilagay ang mga kinakailangang field. Para sa mas malalim na impormasyon, hanapin ang buong papel dito.
5.1.2. Mga Panganib na Salik
Hinahayaan kami ng page na ito na gamitin ang IGain package para matutunan ang mga interaksyon sa pagitan ng data. Partikular itong natututo ng mga pakikipag-ugnayan mula sa high-dimensional na data gamit ang isang heuristic na paghahanap. Bumubuo ang paraang ito sa paraang Exhaustive_IGain na dating binuo upang matutunan ang mga pakikipag-ugnayan mula sa mababang-dimensional na data. I-upload ang data at pagkatapos ay ipasok ang mga kinakailangang field. Higit pang impormasyon tungkol sa mga limitasyon ng IS at iGain ay matatagpuan dito.
5.1.3. Mga Modelo ng Hula
Binibigyang-daan ng seksyong ito ang paggamit ng mga pre-built na modelo sa ibabaw ng mga modelo ng machine learning para mapabilis ang paggamit nito. Nagbibigay-daan ito sa kanilang paggamit nang walang paggamit ng coding at naunang karanasan upang mahulaan ang mga modelo gamit ang sarili nilang dataset. Mayroong maraming mga modelo ng hula na magagamit sa gumagamit kabilang ang Logistic, Regression, Support Vector Machines (SVMs), Decision Trees, at marami pa. Ang buong listahan ng mga paraan ng paghula ay matatagpuan sa kanang bahagi ng pahina dito.
5.2. Hula
Ang seksyong ito ay nagbibigay-daan sa mga hula mula sa isang nakabahaging modelo na dati nang na-upload. Mag-upload muna ng nakabahaging modelo kung hindi pa ito nagawa. Pagkatapos ay piliin ang modelong gagamitin para sa hula sa pamamagitan ng pag-click sa pangalan ng modelo. Pagkatapos ay i-upload ang data para sa modelo ng hula na gagamitin. Maaari itong gawin nang manu-mano gamit ang form sa ibaba ng pahina o gamit ang template na magagamit para sa pag-download. Kung ginagamit ang template, i-upload ang dataset file at i-click ang isumite upang matanggap ang hula ng modelo.
5.3. Suporta sa Desisyon
Ang suporta sa desisyon ay nagbibigay ng klasipikasyon at maaaring gumabay sa mga pagpipilian sa paggamot mula sa impormasyong ibinibigay sa system. Ito ay sinanay mula sa data upang magrekomenda ng pinakamainam na pamamaraan ng paggamot batay sa mga tampok ng isang pasyente. Higit pang impormasyon tungkol sa Clinical Decision Support Systems (CDSS) ay matatagpuan dito.
Kinukuha ng System Recommendation ang mga feature ng isang pasyente at nagrerekomenda ng pamamaraan ng paggamot at hinuhulaan ang hinaharap na posibilidad ng 5 taong metastasis. Ang Interbensyon ng Gumagamit ay tumatagal ng parehong mga tampok ng pasyente at ang pamamaraan ng paggamot upang mahulaan ang hinaharap na posibilidad ng 5 taon na metastasis batay sa kasalukuyang paggamot sa halip na pinakamainam na paggamot.
MBIL
Ang Markov Blanket and Interactive Risk Factor Learner (MBIL) ay isang algorithm na natututo sa mga single at interactive na risk factor na may direktang impluwensya sa resulta ng pasyente. I-click ang "pumunta sa MBIL" upang mai-redirect sa Python Package Index (PyPI) para sa MBIL package na matatagpuan dito. Ang karagdagang impormasyon tungkol sa MBIL ay matatagpuan sa BMC Bioinformatics.
Mga Dataset
Ang seksyong ito ay nagbibigay-daan sa user na makita at mag-upload ng mga bagong dataset sa web aplikasyon.
7.1. Tingnan ang Lahat ng Dataset na Available
Para makita ang lahat ng available na dataset, i-click lang ang "Ipakita ang Mga Available na Dataset."
7.2. Mag-upload ng Dataset
Upang mag-upload ng dataset, i-click ang “Ibahagi ang Iyong Mga Dataset” at pagkatapos ay punan ang kinakailangang impormasyon tulad ng nakasaad sa webpahina. Una, i-upload ang dataset at punan ang mga kinakailangang field.
Pagkatapos, punan ang mga field sa ibaba o mag-upload ng text file kasama ang impormasyong napunan. Isang exampkung paano ayusin ang impormasyon upang maunawaan ito ng application ay ibinigay sa ibaba.
Mga modelo
Binibigyang-daan ng seksyong ito ang user na makita ang mga modelong available sa kanila at magbahagi ng modelo.
8.1. Tingnan ang Lahat ng Modelong Available
Upang makita ang lahat ng mga modelong available, i-click ang "Ipakita ang Mga Magagamit na Modelo."
8.2. Magbahagi ng Modelo
Upang magbahagi ng modelo, mag-click sa “Ibahagi ang Iyong Mga Modelo” at pagkatapos ay mag-upload ng modelo file sinanay ng tensor flow o PyTorch.
8.2.1. Kaugnay na Dataset
Dapat mong i-upload ang nauugnay na dataset na kinabibilangan ng mga header. Ang klase/label para sa dataset ay dapat nasa huling column.
8.2.2. Predictors at impormasyon ng Klase
Kung kasama sa dataset ang lahat ng feature, maaaring laktawan ang feature form pagkatapos i-upload ang dataset. Gayunpaman, kung hindi lahat ay kasama, ang impormasyong ito ay dapat ibigay sa paglalarawan file o sa loob ng feature form. Piliin ang opsyon mula sa drop down na nagsasaad kung paano mo nilalayong ibigay ang mga predictor at impormasyon ng klase.
Kung ginagamit ang opsyon sa paglalarawan, maaari mong punan ang mga field o mag-upload ng text file kasama ang impormasyong napunan. Isang example ng kung paano ayusin ang impormasyon ay ibinigay sa ibaba.
Mga Dokumento / Mga Mapagkukunan
 |
Apps iMed Web Aplikasyon [pdf] User Manual iMed, iMed Web Application, Web Aplikasyon |