Հավելվածներ iMed Web Հավելվածի Օգտագործողի ձեռնարկ

iMed Օգտագործողի ձեռնարկ

Ներածություն

1.1. Նպատակը
Սրա նպատակը web կիրառումը պետք է վերցնի չմշակված տեղեկատվությունը և թույլ տա այն շահարկել այնպես, որ օգտակար արդյունքներ տա որոշումների կայացման համար: Սա կարող է լինել չմշակված տվյալների հետ մոդելի ուսուցում կամ արդյունքի կանխատեսում՝ օգտագործելով մոդելներ և վերլուծություններ:
1.2. Նավիգացիոն մենյու
Էջի վերևում գտնվող նավիգացիոն ընտրացանկը պարունակում է բոլոր հղումները, որպեսզի հասնեք այնտեղ, որտեղ դուք պետք է լինեք: Եթե ​​երբևէ մոլորվեք, միշտ կարող եք սեղմել հետևի սլաքը՝ ծանոթ էջ մտնելու, տուն վերադառնալու կամ նավիգացիոն ընտրացանկում գտնելու ձեր փնտրած էջը:
1.3. Հաշիվ
Եթե ​​դուք արդեն չունեք հաշիվ, ապա պետք է գրանցվեք հավելվածից օգտվելու համար: Դա անելու համար սեղմեք վերևի աջ կողմում գտնվող հաշիվ կոճակը և կտտացրեք Գրանցվել: Այնուհետև մուտքագրեք ձեր օգտանունը, գաղտնաբառը և էլփոստը՝ շարունակելու համար:

Եթե ​​արդեն ունեք հաշիվ, մուտք գործեք ձեր օգտանունով և գաղտնաբառով:

Գլխավոր Էջ

Էջի ձախ կողմում գտնվող տարրերի վրա սեղմելով՝ էջի մեջտեղում կհայտնվի յուրաքանչյուրի նկարագրությունը, որը կօգնի ձեզ հասկանալ, թե յուրաքանչյուրն ինչ է անում:

iMedBot

iMedBot հավելվածը ներկայացնում է ինտերֆեյս, որը նպաստում է օգտատերերի հեշտ փոխգործակցությանը գործակալների հետ՝ հնարավորություն տալով անհատականացված կանխատեսումներ և մոդելների ուսուցում: Այն ծառայում է որպես առաջին քայլ դեպի խորը ուսուցման հետազոտության արդյունքները առցանց գործիքի վերածելու համար, որն ունի ներուժ այս ոլորտում լրացուցիչ հետազոտական ​​հետապնդումներ առաջացնելու համար: Դրա համապատասխան օգտագործման ձեռնարկը կարելի է գտնել այստեղ:

Տվյալների վերլուծություն

4.1. Առբերեք ենթաբազմությունները
Այս բաժինը թույլ է տալիս օգտվողին խմբագրել իր տվյալների բազան: Դուք կարող եք ընտրել կա՛մ վերբեռնել նոր տվյալների բազա, կա՛մ օգտագործել գոյություն ունեցողը բացվող ընտրացանկից:

Տվյալների հավաքածուն վերբեռնվելուց հետո կարող եք ընտրել, թե ինչ գործողություն եք ցանկանում կատարել՝ սեղմելով ձախ կողմի ընտրացանկի ընտրանքներից մեկը:
4.1.1. Առբերեք ենթաբազմությունները զտիչների հիման վրա
Այս բաժինը թույլ է տալիս ստանալ սկզբնական տվյալների բազայի ավելի փոքր ենթաբազմություն՝ հիմնված տվյալ զտիչների վրա: Ընտրեք այն արժեքները, որոնք ցանկանում եք ենթաբազմությունում և այնուհետև ընտրեք այն սյունակները, որոնք ցանկանում եք ցուցադրել վերջնական տվյալների հավաքածուում:

4.1.2. Վերադարձնել տեսակավորված արդյունքները
Սա վերադարձնում է տվյալների հավաքածուն տեսակավորված ձևով: Ընտրեք թիրախային սյունակը, տեսակավորման կարգը, վերադարձվող տողերի քանակը և որ սյունակները ցուցադրվեն վերջնական արդյունքում:

4.1.3. Ընդլայնել Տվյալների հավաքածուն
Սա թույլ է տալիս օգտվողին ընդլայնել եզակի սյունակը, որը պահվում է որպես բառարան, իրական աղյուսակի մեջ, որն այնուհետև օգտագործողը կարող է շահարկել: Այն վերցնում է տեղադրված տվյալների բազա և տեղափոխում է այն, ինչ պահանջվում է օգտագործողի կողմից ամենավերին շերտ: Նախ, վերբեռնեք տվյալների բազա, որը ներառում է սյունակ՝ տեղադրված տվյալներից: Եթե ​​ավտոմատ կերպով հայտնաբերվում է ընդլայնման կարիք ունեցող սյունակ, ընտրեք, թե որ սյունակը ընդլայնել, և որ սյունակները հանել տեղադրված տեղեկատվությունից: Սեղմեք ուղարկել և կարող եք view ձեր տեղեկատվությունը որպես աղյուսակի սյունակներ՝ ներդիր տվյալների փոխարեն:
4.2. Միաձուլվել Files
Ընտրելով և վերբեռնելով բազմաթիվ տվյալների հավաքածուներ՝ ctrl սեղմելով (հրաման mac-ի համար), դա կմիավորի դրանք մեկ ավելի մեծ տվյալների մեջ, քան այլ բանի համար օգտագործելու համար:

Պարզապես ընտրեք բոլոր տվյալների հավաքածուները և լրացրեք անհրաժեշտ տեղեկատվությունը: Սա կպահի նոր տվյալների բազան iMed հավելվածում և այնուհետև հասանելի կլինի ներբեռնման համար:
4.3. Հողամասի գործառույթներ
Այս բաժինը թույլ է տալիս օգտվողին գծագրել իր տվյալների հավաքածուն: Ընտրեք ձախակողմյան մենյուի տարբերակներից մեկը և այնուհետև լրացրեք անհրաժեշտ դաշտերը՝ ձեր հողամասը ստանալու համար: Ստորև բերված են սյուժեների տեսակները, որոնք կարող եք կազմել ձեր տվյալների հիման վրա.

4.4. Վիճակագրական վերլուծություն
Այս բաժինը թույլ է տալիս մեզ վիճակագրական թեստեր իրականացնել մեր տվյալների բազայի վրա: Ձախ կողմի ընտրացանկից ընտրեք թեստը գործարկելու համար և լրացրեք դաշտերը՝ թեստերը գործարկելու համար: Ստորև ներկայացված են թեստերի տեսակները, որոնք հասանելի են.

ODPAC

5.1. Սովորեք
Այս էջը ներառում է այս էջում առկա ռեսուրսի յուրաքանչյուր տեսակի համառոտ նկարագրությունը: Յուրաքանչյուր բաժնի վերևում գտնվող կոճակը սեղմելը կհղվի դեպի մեկ այլ էջ, որը թույլ կտա օգտվողին օգտագործել կամ ավելին իմանալ թեմայի մասին:
5.1.1. Epistasis
Այս էջը թույլ է տալիս մեզ օգտագործել MBS՝ տվյալներից սովորելու համար որոնման ալգորիթմ: Մասնավորապես, այն մեզ թույլ է տալիս ուսումնասիրել էպիստազը, երկու կամ ավելի գեների փոխազդեցությունը, որոնք ազդում են ֆենոտիպի վրա: Սա օգտակար է մասնագետների համարfile հիվանդություններ գենետիկական առումով. Պայմանական մեթոդները հարմար չեն գենոմի համընդհանուր ասոցիացիայի ուսումնասիրություններում (GWAS) հայտնաբերված բարձր ծավալային տվյալների մշակման համար: Multiple Beam Search (MBS) ալգորիթմը թույլ է տալիս հայտնաբերել փոխազդող գեները շատ ավելի արագ տեմպերով: Վերբեռնեք այն տվյալները, որոնք ցանկանում եք օգտագործել, ապա մուտքագրեք պահանջվող դաշտերը: Ավելի մանրամասն տեղեկությունների համար ամբողջական թերթը կարող եք գտնել այստեղ:

5.1.2. Ռիսկի գործոններ
Այս էջը թույլ է տալիս մեզ օգտագործել IGain փաթեթը՝ տվյալների միջև փոխազդեցությունները սովորելու համար: Այն հատկապես սովորում է փոխազդեցությունները բարձր չափերի տվյալներից՝ օգտագործելով էվրիստիկական որոնումը: Այս մեթոդը հիմնված է Exhaustive_IGain մեթոդի վրա, որը նախկինում մշակվել է ցածր չափերի տվյալներից փոխազդեցությունները սովորելու համար: Վերբեռնեք տվյալները և մուտքագրեք անհրաժեշտ դաշտերը: IS-ի շեմերի և iGain-ի մասին լրացուցիչ տեղեկություններ կարելի է գտնել այստեղ:

5.1.3. Կանխատեսման մոդելներ
Այս բաժինը թույլ է տալիս օգտագործել կանխատեսման մոդելներ, որոնք արդեն նախապես կառուցված են մեքենայական ուսուցման մոդելների վրա՝ դրա օգտագործումը արագացնելու համար: Սա թույլ է տալիս դրանք օգտագործել առանց կոդավորման և նախնական փորձի՝ մոդելները կանխատեսելու համար՝ օգտագործելով իրենց սեփական տվյալների բազան: Կան բազմաթիվ կանխատեսման մոդելներ, որոնք հասանելի են օգտագործողին, ներառյալ լոգիստիկ, ռեգրեսիա, օժանդակ վեկտոր մեքենաներ (SVM), որոշումների ծառեր և շատ ավելին: Կանխատեսման մեթոդների ամբողջական ցանկը գտնվում է էջի աջ կողմում՝ այստեղ:
5.2. Կանխատեսում
Այս բաժինը թույլ է տալիս կանխատեսումներ կատարել նախկինում վերբեռնված ընդհանուր մոդելից: Նախ վերբեռնեք ընդհանուր մոդել, եթե դա արդեն չի արվել: Այնուհետև ընտրեք մոդելը, որը կօգտագործվի կանխատեսման համար՝ սեղմելով մոդելի անունը: Այնուհետև վերբեռնեք տվյալները կանխատեսման մոդելի օգտագործման համար: Դա կարելի է անել կամ ձեռքով, օգտագործելով էջի ներքևի ձևը, կամ օգտագործելով ներբեռնման համար հասանելի ձևանմուշը: Եթե ​​օգտագործում եք ձևանմուշը, վերբեռնեք տվյալների հավաքածուն file և սեղմեք ուղարկել՝ մոդելի կանխատեսումը ստանալու համար:
5.3. Որոշման աջակցություն
Որոշումների աջակցությունը տրամադրում է դասակարգում և կարող է ուղղորդել բուժման ընտրությունը համակարգին տրամադրված տեղեկատվությունից: Այն վերապատրաստվել է տվյալների հիման վրա՝ հիվանդի առանձնահատկությունների հիման վրա բուժման օպտիմալ ընթացակարգ առաջարկելու համար: Կլինիկական որոշումների աջակցման համակարգերի (CDSS) վերաբերյալ լրացուցիչ տեղեկություններ կարելի է գտնել այստեղ:
Համակարգի հանձնարարականը հաշվի է առնում հիվանդի առանձնահատկությունները և առաջարկում բուժման ընթացակարգը և կանխատեսում 5 տարվա մետաստազիայի ապագա հավանականությունը: Օգտատիրոջ միջամտությունը հաշվի է առնում և՛ հիվանդի առանձնահատկությունները, և՛ բուժման ընթացակարգը՝ օպտիմալ բուժման փոխարեն ընթացիկ բուժման հիման վրա 5 տարվա մետաստազիայի ապագա հավանականությունը կանխատեսելու համար:

ՄԲԻԼ

Markov Blanket and Interactive Risk Factor Learner-ը (MBIL) ալգորիթմ է, որը սովորում է առանձին և ինտերակտիվ ռիսկի գործոններ, որոնք անմիջական ազդեցություն ունեն հիվանդի արդյունքի վրա: Սեղմեք «գնալ MBIL»՝ այստեղ գտնվող MBIL փաթեթի Python փաթեթի ինդեքս (PyPI) վերահղվելու համար: MBIL-ի մասին լրացուցիչ տեղեկություններ կարելի է գտնել BMC Bioinformatics-ում:

Տվյալների հավաքածուներ

Այս բաժինը թույլ է տալիս օգտվողին տեսնել և վերբեռնել նոր տվյալների հավաքածուներ web դիմումը.
7.1. Տես բոլոր տվյալների հավաքածուները
Բոլոր հասանելի տվյալների հավաքածուները տեսնելու համար պարզապես սեղմեք «Ցույց տալ հասանելի տվյալների հավաքածուները»:

7.2. Վերբեռնեք տվյալների հավաքածու
Տվյալների հավաքածու վերբեռնելու համար սեղմեք «Կիսեք ձեր տվյալների հավաքածուները» և այնուհետև լրացրեք պահանջվող տեղեկատվությունը, ինչպես նշված է դրա վրա webէջ. Նախ, վերբեռնեք տվյալների հավաքածուն և լրացրեք անհրաժեշտ դաշտերը:

Այնուհետև լրացրեք ստորև նշված դաշտերը կամ վերբեռնեք տեքստ file լրացված տեղեկատվության հետampԱյն մասին, թե ինչպես կազմակերպել տեղեկատվությունը, որպեսզի հավելվածը կարողանա հասկանալ այն, տրված է ստորև:

Մոդելներ

Այս բաժինը թույլ է տալիս օգտվողին տեսնել իրեն հասանելի մոդելները և կիսվել մոդելով:
8.1. Տեսեք բոլոր մատչելի մոդելները
Բոլոր մատչելի մոդելները տեսնելու համար սեղմեք «Ցույց տալ հասանելի մոդելները»:

8.2. Կիսվեք մոդելով
Մոդելով կիսվելու համար սեղմեք «Կիսեք ձեր մոդելները» և այնուհետև վերբեռնեք մոդել file վերապատրաստվել է թենզորի հոսքի կամ PyTorch-ի միջոցով:

8.2.1. Առնչվող տվյալների հավաքածու
Այնուհետև դուք պետք է վերբեռնեք համապատասխան տվյալների հավաքածուն, որը ներառում է վերնագրերը: Տվյալների հավաքածուի դասը/պիտակը պետք է լինի վերջին սյունակում:

8.2.2. Կանխատեսողներ և դասի տեղեկատվություն
Եթե ​​տվյալների հավաքածուն ներառում է բոլոր հատկանիշները, ապա հատկանիշի ձևը կարող է բաց թողնել տվյալների հավաքածուն վերբեռնելուց հետո: Այնուամենայնիվ, եթե դրանք բոլորը ներառված չեն, ապա այս տեղեկատվությունը պետք է տրվի նկարագրության մեջ file կամ հատկանիշի ձևի շրջանակներում: Բացվող ցանկից ընտրեք այն տարբերակը, որը ցույց է տալիս, թե ինչպես եք մտադիր տրամադրել կանխատեսողներն ու դասի տեղեկատվությունը:

Եթե ​​օգտագործում եք նկարագրության տարբերակը, կարող եք կամ լրացնել դաշտերը կամ վերբեռնել տեքստ file լրացված տեղեկատվության հետampԻնչպես կազմակերպել տեղեկատվությունը, տրված է ստորև: