Manual de usuario de iMed
Introducción
1.1. Propósito
El propósito de este web La aplicación consiste en tomar información bruta y permitir manipularla de manera que proporcione resultados útiles en la toma de decisiones. Esto puede consistir en entrenar un modelo con datos sin procesar o predecir el resultado mediante modelos y análisis.
1.2. Menú de navegación
El menú de navegación en la parte superior de la página contiene todos los enlaces para llegar a donde necesita estar. Si alguna vez se pierde, siempre puede hacer clic en la flecha hacia atrás para ir a una página familiar, volver a casa o encontrar la página que está buscando en el menú de navegación.
1.3. Cuenta
Si aún no tiene una cuenta, debe registrarse para utilizar la aplicación. Para hacerlo, haga clic en el botón de cuenta en la parte superior derecha y haga clic en registrarse. Luego ingrese su nombre de usuario, contraseña y correo electrónico para continuar.
Si ya tiene una cuenta, inicie sesión con su nombre de usuario y contraseña.
Página de inicio
Al hacer clic en los elementos a la izquierda de la página, aparecerá una descripción de cada uno en el medio de la página para ayudarle a comprender lo que hace cada uno.
iMedBot
La aplicación iMedBot presenta una interfaz que fomenta una fácil interacción del usuario con los agentes, lo que permite una predicción personalizada y entrenamiento de modelos. Sirve como el primer paso hacia la transformación de los resultados de la investigación sobre aprendizaje profundo en una herramienta en línea, que tiene el potencial de impulsar investigaciones adicionales en este ámbito. Su respectivo manual de usuario se puede encontrar aquí.
Análisis de datos
4.1. Recuperar subconjuntos
Esta sección permite al usuario editar su conjunto de datos. Puede elegir cargar un nuevo conjunto de datos o utilizar uno existente en el menú desplegable.
Una vez que se haya cargado el conjunto de datos, puede elegir qué acción desea realizar haciendo clic en una de las opciones en el menú del lado izquierdo.
4.1.1. Recuperar subconjuntos basados en filtros
Esta sección permite obtener un subconjunto más pequeño del conjunto de datos original en función de los filtros dados. Elija los valores que desee en el subconjunto y luego elija las columnas que desee que se muestren en el conjunto de datos final.
4.1.2. Devolver resultados ordenados
Esto devuelve el conjunto de datos en forma ordenada. Elija la columna de destino, el orden de clasificación, el número de filas que se devolverán y qué columnas se mostrarán en el resultado final.
4.1.3. Expandir el conjunto de datos
Esto permite al usuario expandir una columna singular almacenada como un diccionario en una tabla real que luego el usuario puede manipular. Toma un conjunto de datos anidado y mueve lo que requiere el usuario a la capa superior. Primero, cargue un conjunto de datos que incluya una columna con un conjunto de datos anidado. Si se detecta automáticamente una columna que necesita expansión, elija qué columna expandir y qué columnas extraer de la información anidada. Haga clic en enviar y podrá view su información como columnas de una tabla en lugar de datos anidados.
4.2. Unir Files
Al seleccionar y cargar múltiples conjuntos de datos haciendo clic con Ctrl (comando para Mac), esto los fusionará en un conjunto de datos más grande que el que se puede usar para otra cosa.
Simplemente seleccione todos los conjuntos de datos y complete la información requerida. Esto guardará el nuevo conjunto de datos en la aplicación iMed y luego estará disponible para descargar.
4.3. Funciones de trazado
Esta sección permite al usuario trazar su conjunto de datos. Elija una de las opciones en el menú del lado izquierdo y luego complete los campos requeridos para obtener su parcela. A continuación se detallan los tipos de gráficos que puede realizar a partir de sus datos:
4.4 Análisis estadístico
Esta sección nos permite ejecutar pruebas estadísticas en nuestro conjunto de datos. Elija una prueba para ejecutar en el menú del lado izquierdo y complete los campos para ejecutar las pruebas. A continuación se detallan los tipos de pruebas que están disponibles:
ODPAC
5.1. Aprender
Esta página incluye una breve descripción de cada tipo de recurso disponible en esta página. Al hacer clic en el botón en la parte superior de cada sección, se vinculará a otra página que permitirá al usuario usar u obtener más información sobre el tema.
5.1.1. Epistasis
Esta página nos permite utilizar MBS, un algoritmo de búsqueda para aprender de los datos. En concreto, nos permite estudiar la epistasis, la interacción entre dos o más genes que afectan al fenotipo. Esto es útil para profile enfermedades en el aspecto genético. Los métodos convencionales no son adecuados para manejar los datos de alta dimensión que se encuentran en los estudios de asociación de todo el genoma (GWAS). El algoritmo de búsqueda de haz múltiple (MBS) permite detectar genes que interactúan a un ritmo mucho más rápido. Cargue los datos que desea utilizar y luego ingrese los campos requeridos. Para obtener información más detallada, encuentre el artículo completo aquí.
5.1.2. Factores de riesgo
Esta página nos permite utilizar el paquete IGain para conocer las interacciones entre datos. Aprende específicamente interacciones a partir de datos de alta dimensión mediante una búsqueda heurística. Este método se basa en el método Exhaustive_IGain desarrollado previamente para aprender interacciones a partir de datos de baja dimensión. Cargue los datos y luego ingrese los campos requeridos. Puede encontrar más información sobre los umbrales IS y iGain aquí.
5.1.3. Modelos de predicción
Esta sección permite el uso de modelos de predicción ya creados previamente sobre modelos de aprendizaje automático para acelerar su uso. Esto permite su uso sin el uso de codificación y experiencia previa para predecir modelos utilizando su propio conjunto de datos. Hay numerosos modelos de predicción disponibles para el usuario, incluidos logísticos, de regresión, máquinas de vectores de soporte (SVM), árboles de decisión y muchos más. La lista completa de métodos de predicción se encuentra en el lado derecho de la página aquí.
5.2. Predicción
Esta sección permite predicciones de un modelo compartido cargado previamente. Primero cargue un modelo compartido si aún no lo ha hecho. Luego elija el modelo que usará para la predicción haciendo clic en el nombre del modelo. Luego cargue los datos para que los utilice el modelo de predicción. Esto se puede hacer manualmente usando el formulario en la parte inferior de la página o usando la plantilla disponible para descargar. Si utiliza la plantilla, cargue el conjunto de datos file y haga clic en enviar para recibir la predicción del modelo.
5.3. Apoyo a las decisiones
El apoyo a las decisiones proporciona clasificación y puede guiar las opciones de tratamiento a partir de la información suministrada al sistema. Ha sido entrenado a partir de datos para recomendar el procedimiento de tratamiento óptimo en función de las características del paciente. Puede encontrar más información sobre los sistemas de apoyo a la decisión clínica (CDSS) aquí.
La recomendación del sistema toma las características del paciente, recomienda el procedimiento de tratamiento y predice la probabilidad futura de metástasis a 5 años. La intervención del usuario toma tanto las características del paciente como el procedimiento de tratamiento para predecir la probabilidad futura de metástasis a 5 años según el tratamiento actual en lugar del tratamiento óptimo.
MBIL
Markov Blanket and Interactive Risk Factor Learner (MBIL) es un algoritmo que aprende factores de riesgo únicos e interactivos que tienen una influencia directa en el resultado de un paciente. Haga clic en "ir a MBIL" para ser redirigido al índice de paquetes de Python (PyPI) para el paquete MBIL ubicado aquí. Puede encontrar más información sobre MBIL en BMC Bioinformatics.
Conjuntos de datos
Esta sección permite al usuario ver y cargar nuevos conjuntos de datos en el web solicitud.
7.1. Ver todos los conjuntos de datos disponibles
Para ver todos los conjuntos de datos disponibles, simplemente haga clic en "Mostrar conjuntos de datos disponibles".
7.2. Cargar un conjunto de datos
Para cargar un conjunto de datos, haga clic en "Compartir sus conjuntos de datos" y luego complete la información requerida como se indica en la webpágina. Primero, cargue el conjunto de datos y complete los campos obligatorios.
Luego, complete los campos a continuación o cargue un texto file con la información completada. Un exampA continuación se proporciona un archivo de cómo organizar la información para que la aplicación pueda entenderla.
Modelos
Esta sección permite al usuario ver los modelos disponibles y compartir un modelo.
8.1. Ver todos los modelos disponibles
Para ver todos los modelos disponibles, haga clic en "Mostrar modelos disponibles".
8.2. Compartir un modelo
Para compartir un modelo, haga clic en "Compartir sus modelos" y luego cargue un modelo. file entrenado por flujo tensorial o PyTorch.
8.2.1. Conjunto de datos relacionados
Luego debes cargar el conjunto de datos relacionado que incluye los encabezados. La clase/etiqueta del conjunto de datos debe estar en la última columna.
8.2.2. Predictores e información de clase
Si el conjunto de datos incluye todas las características, el formulario de características se puede omitir después de cargar el conjunto de datos. No obstante, si no están todos incluidos, esta información deberá facilitarse en la descripción. file o dentro del formulario de característica. Elija la opción del menú desplegable que indica cómo desea proporcionar los predictores y la información de clase.
Si utiliza la opción de descripción, puede completar los campos o cargar un texto. file con la información completada. Un exampA continuación se proporciona un archivo de cómo organizar la información.
Documentos / Recursos
 |
Aplicaciones iMed Web Solicitud [pdf] Manual del usuario IMED, IMED Web Solicitud, Web Solicitud |