แอพพลิเคชั่น iMed Web คู่มือการใช้งานแอปพลิเคชัน

คู่มือการใช้งาน iMed

การแนะนำ

1.1. วัตถุประสงค์
วัตถุประสงค์ของการทำสิ่งนี้ web การประยุกต์ใช้คือการนำข้อมูลดิบมาดัดแปลงในลักษณะที่ให้ผลลัพธ์ที่เป็นประโยชน์ในการตัดสินใจ ซึ่งอาจเป็นการฝึกแบบจำลองด้วยข้อมูลดิบหรือการทำนายผลลัพธ์โดยใช้แบบจำลองและการวิเคราะห์
1.2. เมนูการนำทาง
เมนูการนำทางที่ด้านบนของหน้าจะมีลิงก์ทั้งหมดเพื่อไปยังที่ที่คุณต้องการ หากคุณหลงทาง คุณสามารถคลิกลูกศรย้อนกลับเพื่อไปที่เพจที่คุ้นเคย กลับบ้าน หรือค้นหาเพจที่คุณกำลังมองหาภายในเมนูการนำทาง
1.3. บัญชี
หากคุณยังไม่มีบัญชี คุณต้องลงทะเบียนเพื่อใช้แอปพลิเคชัน โดยคลิกปุ่มบัญชีที่ด้านบนขวาแล้วคลิกลงทะเบียน จากนั้นป้อนชื่อผู้ใช้ รหัสผ่าน และอีเมลของคุณเพื่อดำเนินการต่อ

หากคุณมีบัญชีอยู่แล้ว ให้ลงชื่อเข้าใช้ด้วยชื่อผู้ใช้และรหัสผ่านของคุณ

หน้าแรก

เมื่อคลิกที่รายการทางด้านซ้ายของหน้า คำอธิบายของแต่ละรายการจะปรากฏตรงกลางหน้าเพื่อช่วยให้คุณเข้าใจว่าแต่ละรายการทำอะไร

iMedBot

แอปพลิเคชัน iMedBot นำเสนออินเทอร์เฟซที่ส่งเสริมการโต้ตอบของผู้ใช้กับตัวแทนอย่างง่ายดาย ช่วยให้สามารถคาดการณ์ส่วนบุคคลและฝึกอบรมโมเดลได้ โดยทำหน้าที่เป็นก้าวแรกในการเปลี่ยนผลลัพธ์ของการวิจัยการเรียนรู้เชิงลึกให้เป็นเครื่องมือออนไลน์ ซึ่งมีศักยภาพที่จะจุดประกายการแสวงหาผลการวิจัยเพิ่มเติมในโดเมนนี้ สามารถดูคู่มือผู้ใช้ที่เกี่ยวข้องได้ที่นี่

การวิเคราะห์ข้อมูล

4.1. ดึงข้อมูลชุดย่อย
ส่วนนี้ช่วยให้ผู้ใช้แก้ไขชุดข้อมูลของตนได้ คุณสามารถเลือกอัปโหลดชุดข้อมูลใหม่หรือใช้ชุดข้อมูลที่มีอยู่ได้จากเมนูแบบเลื่อนลง

เมื่ออัปโหลดชุดข้อมูลแล้ว คุณสามารถเลือกการดำเนินการที่ต้องการได้โดยคลิกตัวเลือกใดตัวเลือกหนึ่งบนเมนูด้านซ้าย
4.1.1. ดึงข้อมูลชุดย่อยตามตัวกรอง
ส่วนนี้อนุญาตให้รับชุดย่อยของชุดข้อมูลดั้งเดิมที่มีขนาดเล็กลงโดยอิงตามตัวกรองที่กำหนด เลือกค่าที่คุณต้องการในชุดย่อย จากนั้นเลือกคอลัมน์ที่คุณต้องการให้แสดงในชุดข้อมูลสุดท้าย

4.1.2. ส่งคืนผลลัพธ์ที่เรียงลำดับ
ซึ่งจะส่งคืนชุดข้อมูลในรูปแบบที่เรียงลำดับ เลือกคอลัมน์เป้าหมาย ลำดับการจัดเรียง จำนวนแถวที่จะส่งคืน และคอลัมน์ที่จะแสดงในผลลัพธ์สุดท้าย

4.1.3. ขยายชุดข้อมูล
ซึ่งช่วยให้ผู้ใช้สามารถขยายคอลัมน์เอกพจน์ที่จัดเก็บเป็นพจนานุกรมลงในตารางจริงที่ผู้ใช้สามารถจัดการได้ ใช้ชุดข้อมูลที่ซ้อนกันและย้ายสิ่งที่ผู้ใช้ต้องการไปยังเลเยอร์บนสุด ขั้นแรก ให้อัปโหลดชุดข้อมูลที่มีคอลัมน์ที่มีชุดข้อมูลที่ซ้อนกัน หากตรวจพบคอลัมน์ที่ต้องการขยายโดยอัตโนมัติ ให้เลือกคอลัมน์ที่จะขยายและคอลัมน์ที่จะแยกออกจากข้อมูลที่ซ้อนกัน คลิกส่งและคุณสามารถ view ข้อมูลของคุณเป็นคอลัมน์ของตารางแทนที่จะเป็นข้อมูลที่ซ้อนกัน
4.2. ผสาน Files
การเลือกและอัปโหลดชุดข้อมูลหลายชุดโดยการคลิก Ctrl (คำสั่งสำหรับ Mac) จะเป็นการรวมชุดข้อมูลเหล่านั้นให้เป็นชุดข้อมูลขนาดใหญ่กว่าชุดข้อมูลอื่น

เพียงเลือกชุดข้อมูลทั้งหมดแล้วกรอกข้อมูลที่จำเป็น การดำเนินการนี้จะบันทึกชุดข้อมูลใหม่ลงในแอปพลิเคชัน iMed และพร้อมให้ดาวน์โหลด
4.3. ฟังก์ชั่นพล็อต
ส่วนนี้จะช่วยให้ผู้ใช้ลงจุดชุดข้อมูลของตนได้ เลือกหนึ่งในตัวเลือกในเมนูด้านซ้ายมือ จากนั้นกรอกข้อมูลในช่องที่ต้องกรอกเพื่อรับพล็อตของคุณ ด้านล่างนี้คือประเภทของแปลงที่คุณสามารถสร้างได้จากข้อมูลของคุณ:

4.4. การวิเคราะห์ทางสถิติ
ส่วนนี้ช่วยให้เราดำเนินการทดสอบทางสถิติกับชุดข้อมูลของเราได้ เลือกการทดสอบที่จะเรียกใช้จากเมนูด้านซ้ายและกรอกข้อมูลลงในฟิลด์เพื่อทำการทดสอบ ด้านล่างนี้คือประเภทของการทดสอบที่มีอยู่:

อปท

5.1. เรียนรู้
หน้านี้ประกอบด้วยคำอธิบายโดยย่อของทรัพยากรแต่ละประเภทที่มีอยู่ในหน้านี้ การคลิกปุ่มที่ด้านบนของแต่ละส่วนจะเชื่อมโยงไปยังหน้าอื่นเพื่อให้ผู้ใช้สามารถใช้หรือเรียนรู้เพิ่มเติมเกี่ยวกับหัวข้อนั้นได้
5.1.1. เอพิสตาซิส
หน้านี้ให้เราใช้ MBS ซึ่งเป็นอัลกอริทึมการค้นหาเพื่อเรียนรู้จากข้อมูล โดยเฉพาะอย่างยิ่งช่วยให้เราสามารถศึกษา epistasis ซึ่งเป็นปฏิสัมพันธ์ระหว่างยีนตั้งแต่สองตัวขึ้นไปที่ส่งผลต่อฟีโนไทป์ สิ่งนี้มีประโยชน์สำหรับมืออาชีพfile โรคในด้านพันธุกรรม วิธีการทั่วไปไม่เหมาะกับการจัดการข้อมูลมิติสูงที่พบในการศึกษาความสัมพันธ์ทั่วทั้งจีโนม (GWAS) อัลกอริธึม Multiple Beam Search (MBS) ช่วยให้ตรวจจับยีนที่มีปฏิสัมพันธ์กันในอัตราที่เร็วกว่ามาก อัปโหลดข้อมูลที่คุณต้องการใช้ จากนั้นป้อนข้อมูลในช่องที่ต้องกรอก สำหรับข้อมูลเชิงลึกเพิ่มเติม ค้นหาบทความฉบับเต็มได้ที่นี่

5.1.2. ปัจจัยเสี่ยง
หน้านี้ช่วยให้เราสามารถใช้แพ็คเกจ IGain เพื่อเรียนรู้การโต้ตอบระหว่างข้อมูล โดยจะเรียนรู้การโต้ตอบจากข้อมูลมิติสูงโดยเฉพาะโดยใช้การค้นหาแบบศึกษาสำนึก วิธีการนี้สร้างขึ้นจากวิธี Exhaustive_IGain ที่พัฒนาขึ้นก่อนหน้านี้เพื่อเรียนรู้การโต้ตอบจากข้อมูลมิติต่ำ อัปโหลดข้อมูลแล้วป้อนข้อมูลในช่องที่ต้องกรอก ข้อมูลเพิ่มเติมเกี่ยวกับเกณฑ์ IS และ iGain สามารถพบได้ที่นี่

5.1.3. โมเดลการคาดการณ์
ส่วนนี้อนุญาตให้ใช้โมเดลการคาดการณ์ที่สร้างไว้ล่วงหน้าแล้วนอกเหนือจากโมเดลการเรียนรู้ของเครื่องเพื่อเร่งการใช้งาน ซึ่งช่วยให้สามารถใช้งานได้โดยไม่ต้องใช้การเข้ารหัสและมีประสบการณ์มาก่อนในการทำนายแบบจำลองโดยใช้ชุดข้อมูลของตนเอง มีโมเดลการคาดการณ์มากมายสำหรับผู้ใช้ รวมถึง Logistic, Regression, Support Vector Machines (SVM), Decision Trees และอื่นๆ อีกมากมาย รายการวิธีการทำนายทั้งหมดมีอยู่ทางด้านขวาของหน้าที่นี่
5.2. การทำนาย
ส่วนนี้อนุญาตการคาดการณ์จากโมเดลที่ใช้ร่วมกันซึ่งอัปโหลดไว้ก่อนหน้านี้ ขั้นแรกให้อัปโหลดโมเดลที่ใช้ร่วมกันหากยังไม่ได้ดำเนินการ จากนั้นเลือกแบบจำลองที่จะใช้ในการทำนายโดยคลิกที่ชื่อแบบจำลอง จากนั้นอัปโหลดข้อมูลสำหรับโมเดลการคาดการณ์ที่จะใช้ ซึ่งสามารถทำได้ด้วยตนเองโดยใช้แบบฟอร์มที่ด้านล่างของหน้า หรือใช้เทมเพลตที่มีให้ดาวน์โหลด หากใช้เทมเพลต ให้อัปโหลดชุดข้อมูล file และคลิกส่งเพื่อรับคำทำนายแบบจำลอง
5.3. สนับสนุนการตัดสินใจ
การสนับสนุนการตัดสินใจจัดให้มีการจำแนกประเภทและสามารถชี้แนะทางเลือกการรักษาจากข้อมูลที่ให้กับระบบ โดยได้รับการฝึกอบรมจากข้อมูลเพื่อแนะนำขั้นตอนการรักษาที่เหมาะสมที่สุดโดยพิจารณาจากลักษณะเฉพาะของผู้ป่วย ข้อมูลเพิ่มเติมเกี่ยวกับระบบสนับสนุนการตัดสินใจทางคลินิก (CDSS) สามารถพบได้ที่นี่
คำแนะนำของระบบใช้คุณลักษณะของผู้ป่วยและแนะนำขั้นตอนการรักษา และคาดการณ์ความน่าจะเป็นในอนาคตของการแพร่กระจายในระยะเวลา 5 ปี การแทรกแซงของผู้ใช้ใช้ทั้งคุณลักษณะของผู้ป่วยและขั้นตอนการรักษาเพื่อคาดการณ์ความน่าจะเป็นในอนาคตของการแพร่กระจายของโรคในระยะเวลา 5 ปี โดยพิจารณาจากการรักษาในปัจจุบัน แทนที่จะเป็นการรักษาที่เหมาะสมที่สุด

เอ็มบีล

ผู้เรียนแบบครอบคลุม Markov และปัจจัยเสี่ยงเชิงโต้ตอบ (MBIL) เป็นอัลกอริทึมที่เรียนรู้ปัจจัยเสี่ยงเชิงโต้ตอบแบบเดี่ยวและแบบโต้ตอบที่มีอิทธิพลโดยตรงต่อผลลัพธ์ของผู้ป่วย คลิก "ไปที่ MBIL" เพื่อเปลี่ยนเส้นทางไปยัง Python Package Index (PyPI) สำหรับแพ็คเกจ MBIL ที่อยู่ที่นี่ ข้อมูลเพิ่มเติมเกี่ยวกับ MBIL สามารถพบได้ที่ BMC Bioinformatics

ชุดข้อมูล

ส่วนนี้อนุญาตให้ผู้ใช้ดูและอัปโหลดชุดข้อมูลใหม่ไปยัง web แอปพลิเคชัน.
7.1. ดูชุดข้อมูลทั้งหมดที่มีอยู่
หากต้องการดูชุดข้อมูลทั้งหมดที่มี เพียงคลิก "แสดงชุดข้อมูลที่มีอยู่"

7.2. อัปโหลดชุดข้อมูล
หากต้องการอัปโหลดชุดข้อมูล คลิก "แชร์ชุดข้อมูลของคุณ" จากนั้นกรอกข้อมูลที่จำเป็นตามที่ระบุไว้ใน webหน้าหนังสือ. ขั้นแรก อัปโหลดชุดข้อมูลและกรอกข้อมูลในช่องที่ต้องกรอก

จากนั้นกรอกข้อมูลในช่องด้านล่างหรืออัปโหลดข้อความ file โดยกรอกข้อมูลไว้แล้ว เช่นampวิธีจัดระเบียบข้อมูลเพื่อให้แอปพลิเคชันสามารถเข้าใจได้แสดงไว้ด้านล่าง

นางแบบ

ส่วนนี้ช่วยให้ผู้ใช้สามารถดูโมเดลที่มีอยู่และแบ่งปันโมเดลได้
8.1. ดูรุ่นที่มีจำหน่ายทั้งหมด
หากต้องการดูทุกรุ่นที่มี ให้คลิก "แสดงรุ่นที่มีจำหน่าย"

8.2. แบ่งปันแบบจำลอง
หากต้องการแชร์โมเดล ให้คลิกที่ "แชร์โมเดลของคุณ" จากนั้นอัปโหลดโมเดล file ฝึกฝนโดยเทนเซอร์โฟลว์หรือ PyTorch

8.2.1. ชุดข้อมูลที่เกี่ยวข้อง
จากนั้นคุณควรอัปโหลดชุดข้อมูลที่เกี่ยวข้องซึ่งรวมถึงส่วนหัวด้วย คลาส/ป้ายกำกับสำหรับชุดข้อมูลควรอยู่ในคอลัมน์สุดท้าย

8.2.2. ข้อมูลผู้ทำนายและคลาส
หากชุดข้อมูลมีคุณสมบัติทั้งหมด คุณสามารถข้ามแบบฟอร์มคุณสมบัติได้หลังจากอัปโหลดชุดข้อมูลแล้ว อย่างไรก็ตาม หากไม่ได้รวมทั้งหมดไว้ ข้อมูลนี้จะต้องระบุไว้ในคำอธิบาย file หรือในรูปแบบคุณสมบัติ เลือกตัวเลือกจากเมนูแบบเลื่อนลงเพื่อระบุวิธีที่คุณต้องการให้ข้อมูลตัวทำนายและข้อมูลชั้นเรียน

หากใช้ตัวเลือกคำอธิบาย คุณสามารถกรอกข้อมูลในช่องหรืออัปโหลดข้อความได้ file โดยกรอกข้อมูลไว้แล้ว เช่นampวิธีจัดระเบียบข้อมูลมีดังต่อไปนี้