Apps iMed Web Applikaasje User Manual

iMed brûker hânboek

Ynlieding

1.1. Doel
It doel fan dit web applikaasje is om rauwe ynformaasje te nimmen en it te manipulearjen op in manier dy't resultaten nuttich jout yn beslútfoarming. Dit kin wêze om in model te trenen mei rauwe gegevens of it foarsizzen fan de útkomst mei modellen en analyse.
1.2. Navigaasjemenu
It navigaasjemenu oan 'e boppekant fan' e side befettet alle keppelings om te kommen wêr't jo moatte wêze. As jo ​​oait ferlern gean, kinne jo altyd op de pylk werom klikke om nei in bekende side te kommen, nei hûs te gean, of de side te finen wêr't jo nei sykje yn it navigaasjemenu.
1.3. Rekken
As jo ​​​​gjin akkount al hawwe, moatte jo registrearje om de applikaasje te brûken. Om dit te dwaan, klikje jo op de akkount knop rjochtsboppe en klikje op registrearje. Fier dan jo brûkersnamme, wachtwurd en e-post yn om troch te gean.

As jo ​​​​al in akkount hawwe, meld jo dan oan mei jo brûkersnamme en wachtwurd.

Home Page

Troch op de items oan de linkerkant fan de side te klikken, sil in beskriuwing fan elk yn 'e midden fan' e side ferskine om jo te helpen begripe wat elk docht.

iMedBot

De iMedBot-applikaasje presintearret in ynterface dy't maklike brûkersynteraksje mei aginten stimulearret, wêrtroch personaliseare foarsizzing en modeltraining mooglik is. It tsjinnet as de earste stap nei it transformearjen fan de útkomsten fan ûndersyk nei djip learen yn in online ark, dat it potensjeel hat om ekstra ûndersyksstribjen yn dit domein te stimulearjen. De oanbelangjende brûkershantlieding is hjir te finen.

Data Analysis

4.1. Subsets ophelje
Dizze seksje lit de brûker har dataset bewurkje. Jo kinne kieze om in nije dataset te uploaden of in besteande te brûken út it útklapmenu.

Sadree't de dataset is uploaded, kinne jo kieze hokker aksje jo wolle nimme troch te klikken op ien fan de opsjes op de linker kant menu.
4.1.1. Subsets ophelje op basis fan filters
Dizze seksje makket it mooglik om in lytsere subset fan 'e orizjinele dataset te krijen basearre op opjûne filters. Kies de wearden dy't jo wolle yn 'e subset en kies dan de kolommen dy't jo wolle sjen litte yn' e definitive dataset.

4.1.2. Werom sortearre resultaten
Dit jout de dataset werom yn in sortearre foarm. Kies de doelkolom, sortearfolchoarder, oantal rigen om werom te kommen, en hokker kolommen te sjen litte yn 'e definitive útfier.

4.1.3. Wreidzje de dataset út
Hjirmei kin de brûker in inkelde kolom opslein as wurdboek útwreidzje yn in werklike tabel dy't de brûker dan kin manipulearje. It nimt in geneste dataset en ferpleatst wat nedich is troch de brûker yn 'e boppeste laach. Upload earst in dataset dy't in kolom omfettet mei in geneste dataset. As in kolom dy't útwreide moat automatysk ûntdutsen, kies hokker kolom te wreidzjen en hokker kolommen te extract út de nestele ynformaasje. Klikje op submit en do kinst view jo ynformaasje as kolommen fan in tabel ynstee fan nestele gegevens.
4.2. Fúzje Files
Troch meardere datasets te selektearjen en te uploaden troch te klikken op ctrl (kommando foar mac), sil dit se fusearje yn ien gruttere dataset dan foar wat oars brûkt wurde.

Selektearje gewoan alle datasets en folje de fereaske ynformaasje yn. Dit sil de nije dataset opslaan yn 'e iMed-applikaasje en is dan beskikber foar download.
4.3. Plot Funksjes
Dizze seksje lit de brûker har dataset plotje. Kies ien fan 'e opsjes yn it menu oan' e linkerkant en folje dan de fereaske fjilden yn om jo plot te krijen. Hjirûnder binne de soarten plots dy't jo kinne meitsje fan jo gegevens:

4.4. Statistyske analyze
Dizze seksje lit ús statistyske tests útfiere op ús dataset. Kies in test om út te fieren út it linkerkantmenu en folje de fjilden yn om de tests út te fieren. Hjirûnder binne de soarten tests dy't beskikber binne:

ODPAC

5.1. Leare
Dizze side befettet in koarte beskriuwing fan elk type boarne beskikber op dizze side. Troch op de knop oan de boppekant fan elke seksje te klikken sil keppele wurde nei in oare side wêrtroch de brûker it ûnderwerp kin brûke of mear leare oer it ûnderwerp.
5.1.1. Epistasis
Dizze side lit ús MBS brûke, in sykalgoritme om te learen fan gegevens. Spesifyk lit it ús epistasis studearje, de ynteraksje tusken twa of mear genen dy't ynfloed hawwe op it fenotype. Dit is nuttich foar profile sykten yn it genetyske aspekt. Konvinsjonele metoaden binne net geskikt om de heechdimensjonale gegevens te behanneljen fûn yn genome-wide assosjaasjestúdzjes (GWAS). It Multiple Beam Search (MBS) algoritme lit ynteraktive genen op in folle rapper taryf opspoare. Upload de gegevens dy't jo brûke wolle en fier dan de fereaske fjilden yn. Foar mear yngeande ynformaasje, fine it folsleine papier hjir.

5.1.2. Risiko faktoaren
Dizze side lit ús it IGain-pakket brûke om ynteraksjes tusken gegevens te learen. It leart spesifyk ynteraksjes fan heechdimensjonale gegevens mei in heuristyske sykopdracht. Dizze metoade bout op 'e Exhaustive_IGain-metoade dy't earder ûntwikkele is om ynteraksjes te learen fan leechdimensjonale gegevens. Upload de gegevens en fier dan de fereaske fjilden yn. Mear ynformaasje oer de IS-drompels en iGain is hjir te finen.

5.1.3. Prediction Models
Dizze seksje lit it gebrûk fan foarsizzingsmodellen dy't al foarôfboud binne boppe op masine-learmodellen brûke om it gebrûk te bespoedigjen. Dit lit har gebrûk meitsje sûnder it gebrûk fan kodearring en foarôfgeande ûnderfining om modellen te foarsizzen mei har eigen dataset. D'r binne in protte foarsizzingsmodellen beskikber foar de brûker, ynklusyf logistyk, regression, Support Vector Machines (SVM's), Decision Trees, en in protte mear. De folsleine list mei foarsizzingsmetoaden binne hjir te finen oan 'e rjochterkant fan' e side.
5.2. Foarsizzing
Dizze seksje lit foarsizzings fan in dield model earder uploaded. Upload earst in dield model as dat net al dien is. Kies dan it model dat jo wolle brûke foar foarsizzing troch op de modelnamme te klikken. Upload dan de gegevens foar it foarsizzingsmodel om te brûken. Dit kin dien wurde of mei de hân mei it formulier oan 'e ûnderkant fan 'e side of mei it sjabloan dat beskikber is foar download. As jo ​​it sjabloan brûke, upload de dataset file en klikje op yntsjinje om de modelfoarsizzing te ûntfangen.
5.3. Beslút stipe
Beslútstipe jout klassifikaasje en kin behanneling karren liede fan ynformaasje levere oan it systeem. It is oplaat fan gegevens om de optimale behannelingproseduere oan te rieden basearre op de funksjes fan in pasjint. Mear ynformaasje oer Clinical Decision Support Systems (CDSS) is hjir te finen.
De Systeemoanbefelling nimt de funksjes fan in pasjint en advisearret behannelingproseduere en foarseit de takomstige kâns op 5 jier metastasis. De brûkersyntervinsje nimt sawol de pasjintfunksjes as de behannelingproseduere om de takomstige kâns fan 5 jier metastasis te foarsizzen basearre op hjoeddeistige behanneling ynstee fan optimale behanneling.

MBIL

De Markov Blanket and Interactive Risk Factor Learner (MBIL) is in algoritme dat ienige en ynteraktive risikofaktoaren leart dy't in direkte ynfloed hawwe op de útkomst fan in pasjint. Klikje op "gean nei MBIL" om nei de Python Package Index (PyPI) omlaat te wurden foar it MBIL-pakket dat hjir leit. Mear ynformaasje oer MBIL is te finen by BMC Bioinformatics.

Datasets

Dizze seksje lit de brûker sjen en uploade nije datasets oan de web oanfraach.
7.1. Sjoch alle datasets beskikber
Om alle beskikbere datasets te sjen, klikje jo gewoan op "Beskikbere datasets sjen litte."

7.2. Upload in dataset
Foar it uploaden fan in dataset, klikje op "Diel jo datasets" en folje dan fereaske ynformaasje yn lykas oanjûn op 'e webside. Upload earst de dataset en folje fereaske fjilden yn.

Folje dan de fjilden hjirûnder yn of upload in tekst file mei de ynformaasje ynfolle In eksample fan hoe't jo de ynformaasje organisearje sadat de applikaasje it kin begripe wurdt hjirûnder jûn.

Models

Dizze seksje lit de brûker de foar har beskikbere modellen sjen en in model diele.
8.1. Sjoch alle modellen beskikber
Om alle beskikbere modellen te sjen, klikje op "Beskikbere modellen sjen litte."

8.2. Diel in model
Om in model te dielen, klikje jo op "Diel jo modellen" en upload dan in model file oplaat troch tensor flow of PyTorch.

8.2.1. Related Dataset
Jo moatte dan de relatearre dataset uploade dy't de kopteksten omfettet. De klasse/label foar de dataset moat yn de lêste kolom stean.

8.2.2. Foarsizzers en klasse ynformaasje
As de dataset alle funksjes omfettet, kin it funksjeformulier nei it opladen fan de dataset oerslein wurde. As se lykwols net allegear binne opnommen, moat dizze ynformaasje wurde levere yn 'e beskriuwing file of binnen it funksjeformulier. Kies de opsje út it dellûk dat oanjout hoe't jo fan doel binne de foarsizzers en klasseynformaasje te leverjen.

As jo ​​​​de beskriuwingsopsje brûke, kinne jo de fjilden ynfolje of in tekst uploade file mei de ynformaasje ynfolle In eksampLe fan hoe't te organisearjen de ynformaasje wurdt jûn hjirûnder.