Manual Pamaké iMed
Bubuka
1.1. Tujuan
Tujuanana ieu web aplikasi nyaeta nyandak informasi atah sarta ngidinan manipulasi dina cara nu mere hasil mangpaat dina pembuatan kaputusan. Ieu tiasa ngalatih modél nganggo data atah atanapi ngaramalkeun hasilna nganggo modél sareng analisis.
1.2. Menu Napigasi
Menu napigasi di luhureun kaca nahan sakabeh Tumbu pikeun meunangkeun ka tempat nu Anjeun kudu jadi. Upami anjeun kantos leungit, anjeun tiasa teras-terasan ngaklik panah ka tukang pikeun angkat ka halaman anu biasa, balik ka bumi, atanapi milarian halaman anu anjeun milarian dina ménu navigasi.
1.3. Rekening
Upami anjeun teu acan gaduh akun, anjeun kedah ngadaptar pikeun nganggo aplikasi. Jang ngalampahkeun kitu, klik tombol akun di katuhu luhur teras klik ngadaptar. Teras lebetkeun nami pangguna, kecap akses sareng email anjeun pikeun neraskeun.
Upami anjeun parantos gaduh akun, lebet nganggo nami pangguna sareng kecap akses anjeun.
Kaca Imah
Ku ngaklik item di kénca kaca, pedaran unggal bakal muncul di tengah kaca pikeun mantuan anjeun ngartos naon unggal hiji.
iMedBot
Aplikasi iMedBot nampilkeun antarbeungeut anu ngadorong interaksi pangguna anu gampang sareng agén, ngamungkinkeun prediksi pribadi sareng pelatihan modél. Éta janten léngkah munggaran pikeun ngarobih hasil panilitian diajar jero kana alat online, anu berpotensi pikeun narik panilitian tambahan dina domain ieu. Manual pangguna masing-masing tiasa dipendakan di dieu.
Analisis Data
4.1. Meunangkeun subsets
Bagian ieu ngamungkinkeun pamaké pikeun ngédit set datana. Anjeun tiasa milih pikeun unggah set data énggal atanapi nganggo anu tos aya tina ménu turun-handap.
Sakali set data parantos diunggah, anjeun tiasa milih tindakan anu anjeun hoyong lakukeun ku ngaklik salah sahiji pilihan dina ménu sisi kénca.
4.1.1. Kéngingkeun sawaréh dumasar kana saringan
Bagian ieu ngamungkinkeun pikeun meunangkeun sawaréh leutik tina set data asli dumasar kana saringan anu dipasihkeun. Pilih nilai anu anjeun pikahoyong dina sawaréh teras pilih kolom anu anjeun hoyong dipidangkeun dina set data ahir.
4.1.2. Balikkeun Hasil Diurutkeun
Ieu ngabalikeun set data dina bentuk anu diurutkeun. Pilih kolom udagan, urutan asihan, jumlah baris balik, sareng kolom mana anu bakal ditingalikeun dina kaluaran ahir.
4.1.3. Kembangkeun set data
Hal ieu ngamungkinkeun pamaké rék dilegakeun kolom tunggal disimpen salaku kamus kana tabel sabenerna nu pamaké lajeng bisa ngamanipulasi. Butuh dataset nested sareng mindahkeun naon anu diperyogikeun ku pangguna kana lapisan anu paling luhur. Kahiji, unggah dataset nu ngawengku kolom jeung dataset nested. Upami kolom anu peryogi dilegakeun sacara otomatis dideteksi, pilih kolom mana anu badé dilegakeun sareng kolom mana anu kedah diekstrak tina inpormasi anu disarangkeun. Pencét ngalebetkeun sareng anjeun tiasa view inpo anjeun salaku kolom dina tabel tinimbang data nested.
4.2. Ngahiji Files
Ku milih sareng unggah sababaraha set data ku ngaklik ctrl (paréntah pikeun mac), ieu bakal ngahijikeun kana hiji set data anu langkung ageung tibatan dianggo pikeun anu sanés.
Cukup pilih sadaya set data sareng eusian inpormasi anu diperyogikeun. Ieu bakal nyimpen set data anyar kana aplikasi iMed teras sayogi pikeun diunduh.
4.3. Fungsi Plot
Bagian ieu ngamungkinkeun pamaké pikeun ngarencanakeun susunan datana. Milih salah sahiji pilihan dina menu sisi kénca-leungeun lajeng eusian widang diperlukeun pikeun ménta plot Anjeun. Di handap ieu jenis plot anu anjeun tiasa ngadamel tina data anjeun:
4.4. Analisis Statistik
Bagian ieu ngamungkinkeun urang ngajalankeun tés statistik dina set data urang. Pilih tés pikeun ngajalankeun tina ménu sisi kénca sareng eusian widang pikeun ngajalankeun tés. Di handap ieu jenis tés anu sayogi:
ODPAC
5.1. Diajar
Kaca ieu ngawengku pedaran ringkes unggal jenis sumberdaya sadia dina kaca ieu. Ngaklik tombol di luhureun unggal bagian bakal numbu ka kaca séjén sahingga pamaké ngagunakeun atawa leuwih jéntré ngeunaan topik.
5.1.1. Epistasis
Halaman ieu ngamungkinkeun urang ngagunakeun MBS, algoritma milarian pikeun diajar tina data. Sacara husus, éta ngamungkinkeun urang pikeun diajar epistasis, interaksi antara dua atawa leuwih gén nu mangaruhan phenotype nu. Ieu mangpaat pikeun profile kasakit dina aspék genetik. Métode konvensional henteu cocog pikeun nanganan data diménsi luhur anu kapanggih dina studi asosiasi genom-lega (GWAS). Algoritma Multiple Beam Search (MBS) ngamungkinkeun ngadeteksi gén anu berinteraksi dina laju anu langkung gancang. Unggah data anu anjeun hoyong pake teras lebetkeun widang anu diperyogikeun. Pikeun inpormasi anu langkung jero, panggihan makalah lengkep di dieu.
5.1.2. Faktor résiko
Kaca ieu ngamungkinkeun urang ngagunakeun pakét IGain pikeun diajar interaksi antara data. Éta sacara khusus diajar interaksi tina data diménsi luhur nganggo pamilarian heuristik. Metoda ieu diwangun dina métode Exhaustive_IGain saméméhna dikembangkeun pikeun neuleuman interaksi tina data diménsi low. Unggah data teras lebetkeun widang anu diperyogikeun. Inpormasi langkung seueur ngeunaan ambang IS sareng iGain tiasa dipendakan di dieu.
5.1.3. Modél prediksi
Bagian ieu ngamungkinkeun ngagunakeun modél prediksi anu tos diwangun dina luhureun modél pembelajaran mesin pikeun nyepetkeun panggunaanana. Hal ieu ngamungkinkeun pamakéan maranéhanana tanpa pamakéan coding jeung pangalaman saméméhna keur prediksi model ngagunakeun dataset sorangan. Aya seueur model prediksi anu sayogi pikeun pangguna kalebet Logistik, Regression, Mesin Véktor Dukungan (SVM), Tangkal Kaputusan, sareng seueur deui. Daptar lengkep ngeunaan métode prediksi kapanggih di sisi katuhu kaca ieu.
5.2. Ramalan
Bagian ieu ngamungkinkeun prediksi tina model dibagikeun saméméhna diunggah. Unggah heula modél anu dibagikeun upami henteu acan dilakukeun. Teras pilih modél anu badé dianggo pikeun prediksi ku ngaklik nami modél. Teras unggah data kanggo modél prediksi anu dianggo. Ieu tiasa dilakukeun ku cara manual nganggo formulir di handapeun halaman atanapi nganggo citakan anu sayogi pikeun diunduh. Upami nganggo citakan, unggah set data file teras klik ngalebetkeun pikeun nampa prediksi modél.
5.3. Rojongan Kaputusan
Pangrojong kaputusan nyayogikeun klasifikasi sareng tiasa ngabimbing pilihan perawatan tina inpormasi anu disayogikeun ka sistem. Éta parantos dilatih tina data pikeun nyarankeun prosedur perawatan anu optimal dumasar kana fitur pasien. Inpormasi langkung seueur ngeunaan Sistem Rojongan Kaputusan Klinis (CDSS) tiasa dipendakan Ieuh.
Rekomendasi Sistem nyandak fitur pasien sareng nyarankeun prosedur perawatan sareng ngaramalkeun kamungkinan kahareup metastasis 5 taun. Intervensi Pamaké nyokot duanana fitur sabar jeung prosedur perlakuan keur prediksi probabiliti kahareup metastasis 5 taun dumasar kana perlakuan ayeuna tinimbang perlakuan optimal.
MBIL
Markov Blanket and Interactive Risk Factor Learner (MBIL) mangrupikeun algoritma anu diajar faktor résiko tunggal sareng interaktif anu gaduh pangaruh langsung kana hasil pasien. Klik "buka MBIL" pikeun dialihkeun ka Python Paket Index (PyPI) pikeun pakét MBIL lokasina di dieu. Inpo nu langkung lengkep ihwal MBIL tiasa dipendakan di BMC Bioinformatics.
Datasets
Bagian ieu ngamungkinkeun pamaké pikeun nempo jeung unggah datasets anyar ka web aplikasi.
7.1. Tempo Sadaya Datasets sadia
Pikeun ningali sadaya set data anu sayogi, kantun klik "Témbongkeun Dataset Sadia."
7.2. Unggah Dataset
Pikeun unggah set data, klik "Bagikeun Dataset anjeun" teras eusian inpormasi anu diperyogikeun sakumaha anu dinyatakeun dina éta webkaca. Mimiti, unggah set data sareng eusian widang anu diperyogikeun.
Teras, eusian widang di handap atanapi unggah téks file kalayan informasi dieusian. Hiji exampkumaha carana ngatur inpormasi supados aplikasi tiasa ngartos éta dijelaskeun di handap ieu.
Modél
Bagian ieu ngamungkinkeun pamaké pikeun ningali model sadia pikeun aranjeunna sarta babagi model.
8.1. Tempo Sadaya Models sadia
Pikeun ningali sadaya model anu sayogi, klik "Témbongkeun Model Sadia."
8.2. Bagikeun Modél
Pikeun ngabagikeun modél, klik "Bagikeun Model anjeun" teras unggah modél file dilatih ku aliran tensor atanapi PyTorch.
8.2.1. Dataset patali
Anjeun teras kedah unggah set data anu aya hubunganana anu kalebet lulugu. Kelas / labél pikeun set data kedah aya dina kolom terakhir.
8.2.2. Prediktor sareng inpormasi Kelas
Upami set data kalebet sadaya fitur, bentuk fitur tiasa dilewatan saatos unggah set data. Nanging, upami aranjeunna henteu sadayana kalebet, inpormasi ieu kedah disayogikeun dina katerangan file atawa dina formulir fitur. Milih pilihan tina serelek handap nunjukkeun kumaha anjeun maksudna nyadiakeun prediktor jeung informasi kelas.
Upami nganggo pilihan pedaran, anjeun tiasa ngeusian kolom atanapi unggah téks file kalayan informasi dieusian. Hiji example tina cara ngatur informasi dibere handap.
Dokumén / Sumberdaya
 |
Aplikasi iMed Web Aplikasi [pdf] Manual pamaké iMed, iMed Web Aplikasi, Web Aplikasi |