Apps iMed Web Anwendungsbenutzerhandbuch

iMed-Benutzerhandbuch

Einführung

1.1. Zweck
Der Zweck dieser web Die Anwendung besteht darin, Rohinformationen zu erfassen und sie auf eine Weise zu manipulieren, die für die Entscheidungsfindung nützliche Ergebnisse liefert. Dies kann darin bestehen, ein Modell mit Rohdaten zu trainieren oder das Ergebnis mithilfe von Modellen und Analysen vorherzusagen.
1.2. Navigationsmenü
Das Navigationsmenü oben auf der Seite enthält alle Links, um dorthin zu gelangen, wo Sie sein müssen. Sollten Sie sich jemals verlaufen, können Sie jederzeit auf den Zurück-Pfeil klicken, um zu einer vertrauten Seite zu gelangen, nach Hause zurückzukehren oder die gesuchte Seite im Navigationsmenü zu finden.
1.3. Konto
Wenn Sie noch kein Konto haben, müssen Sie sich registrieren, um die Anwendung nutzen zu können. Klicken Sie dazu oben rechts auf die Schaltfläche „Konto“ und dann auf „Registrieren“. Geben Sie dann Ihren Benutzernamen, Ihr Passwort und Ihre E-Mail-Adresse ein, um fortzufahren.

Wenn Sie bereits ein Konto haben, melden Sie sich mit Ihrem Benutzernamen und Passwort an.

Startseite

Wenn Sie auf die Elemente links auf der Seite klicken, wird in der Mitte der Seite eine Beschreibung der einzelnen Elemente angezeigt, damit Sie besser verstehen, was die einzelnen Elemente tun.

iMedBot

Die iMedBot-Anwendung bietet eine Schnittstelle, die eine einfache Benutzerinteraktion mit Agenten fördert und personalisierte Vorhersagen und Modelltraining ermöglicht. Es dient als erster Schritt zur Umwandlung der Ergebnisse der Deep-Learning-Forschung in ein Online-Tool, das das Potenzial hat, weitere Forschungsaktivitäten in diesem Bereich anzustoßen. Die entsprechende Bedienungsanleitung finden Sie hier.

Datenanalyse

4.1. Teilmengen abrufen
In diesem Abschnitt kann der Benutzer seinen Datensatz bearbeiten. Sie können im Dropdown-Menü wählen, ob Sie einen neuen Datensatz hochladen oder einen vorhandenen verwenden möchten.

Sobald der Datensatz hochgeladen wurde, können Sie auswählen, welche Aktion Sie ausführen möchten, indem Sie auf eine der Optionen im Menü auf der linken Seite klicken.
4.1.1. Teilmengen basierend auf Filtern abrufen
In diesem Abschnitt können Sie anhand bestimmter Filter eine kleinere Teilmenge des Originaldatensatzes abrufen. Wählen Sie die gewünschten Werte in der Teilmenge und dann die Spalten aus, die im endgültigen Datensatz angezeigt werden sollen.

4.1.2. Sortierte Ergebnisse zurückgeben
Dadurch wird der Datensatz in sortierter Form zurückgegeben. Wählen Sie die Zielspalte, die Sortierreihenfolge, die Anzahl der zurückzugebenden Zeilen und die Spalten aus, die in der endgültigen Ausgabe angezeigt werden sollen.

4.1.3. Erweitern Sie den Datensatz
Dadurch kann der Benutzer eine einzelne, als Wörterbuch gespeicherte Spalte in eine tatsächliche Tabelle erweitern, die der Benutzer dann bearbeiten kann. Es nimmt einen verschachtelten Datensatz und verschiebt die vom Benutzer benötigten Daten in die oberste Ebene. Laden Sie zunächst einen Datensatz hoch, der eine Spalte mit einem verschachtelten Datensatz enthält. Wenn eine Spalte, die erweitert werden muss, automatisch erkannt wird, wählen Sie aus, welche Spalte erweitert werden soll und welche Spalten aus den verschachtelten Informationen extrahiert werden sollen. Klicken Sie auf „Senden“ und Sie können es tun view Ihre Informationen als Spalten einer Tabelle statt als verschachtelte Daten.
4.2. Verschmelzen Files
Durch Auswählen und Hochladen mehrerer Datensätze durch Klicken bei gedrückter Strg-Taste (Befehl für Mac) werden diese zu einem größeren Datensatz zusammengeführt, als dass sie für etwas anderes verwendet werden könnten.

Wählen Sie einfach alle Datensätze aus und geben Sie die erforderlichen Informationen ein. Dadurch wird der neue Datensatz in der iMed-Anwendung gespeichert und steht dann zum Download zur Verfügung.
4.3. Plotfunktionen
In diesem Abschnitt kann der Benutzer seinen Datensatz grafisch darstellen. Wählen Sie eine der Optionen im Menü auf der linken Seite und füllen Sie dann die erforderlichen Felder aus, um Ihr Grundstück zu erhalten. Nachfolgend finden Sie die Diagrammtypen, die Sie aus Ihren Daten erstellen können:

4.4. Statistische Analyse
In diesem Abschnitt können wir statistische Tests für unseren Datensatz durchführen. Wählen Sie im Menü auf der linken Seite einen Test aus, den Sie ausführen möchten, und füllen Sie die Felder aus, um die Tests auszuführen. Im Folgenden sind die verfügbaren Testtypen aufgeführt:

ODPAC

5.1. Lernen
Diese Seite enthält eine kurze Beschreibung jedes auf dieser Seite verfügbaren Ressourcentyps. Durch Klicken auf die Schaltfläche oben in jedem Abschnitt wird ein Link zu einer anderen Seite erstellt, auf der der Benutzer das Thema verwenden oder mehr darüber erfahren kann.
5.1.1. Epistase
Auf dieser Seite können wir MBS verwenden, einen Suchalgorithmus, um aus Daten zu lernen. Insbesondere ermöglicht es uns die Untersuchung der Epistase, der Interaktion zwischen zwei oder mehr Genen, die den Phänotyp beeinflussen. Dies ist nützlich für Profisfile Krankheiten im genetischen Aspekt. Herkömmliche Methoden sind nicht geeignet, die hochdimensionalen Daten in genomweiten Assoziationsstudien (GWAS) zu verarbeiten. Der Multiple Beam Search (MBS)-Algorithmus ermöglicht die deutlich schnellere Erkennung interagierender Gene. Laden Sie die Daten hoch, die Sie verwenden möchten, und füllen Sie dann die erforderlichen Felder aus. Ausführlichere Informationen finden Sie hier.

5.1.2. Risikofaktoren
Auf dieser Seite können wir das IGain-Paket verwenden, um Interaktionen zwischen Daten zu lernen. Mithilfe einer heuristischen Suche lernt es gezielt Interaktionen aus hochdimensionalen Daten. Diese Methode baut auf der zuvor entwickelten Exhaustive_IGain-Methode auf, um Interaktionen aus niedrigdimensionalen Daten zu lernen. Laden Sie die Daten hoch und füllen Sie dann die erforderlichen Felder aus. Weitere Informationen zu den IS-Schwellenwerten und iGain finden Sie hier.

5.1.3. Vorhersagemodelle
Dieser Abschnitt ermöglicht die Verwendung von Vorhersagemodellen, die bereits auf Basis von Modellen für maschinelles Lernen vorgefertigt sind, um deren Verwendung zu beschleunigen. Dies ermöglicht ihre Verwendung ohne den Einsatz von Codierung und vorheriger Erfahrung zur Vorhersage von Modellen anhand ihres eigenen Datensatzes. Dem Benutzer stehen zahlreiche Vorhersagemodelle zur Verfügung, darunter Logistik, Regression, Support Vector Machines (SVMs), Entscheidungsbäume und viele mehr. Die vollständige Liste der Vorhersagemethoden finden Sie hier rechts auf der Seite.
5.2. Vorhersage
In diesem Abschnitt sind Vorhersagen aus einem zuvor hochgeladenen freigegebenen Modell möglich. Laden Sie zunächst ein freigegebenes Modell hoch, falls dies noch nicht geschehen ist. Wählen Sie dann das Modell aus, das für die Vorhersage verwendet werden soll, indem Sie auf den Modellnamen klicken. Laden Sie dann die Daten hoch, damit das Vorhersagemodell sie verwenden kann. Dies kann entweder manuell über das Formular unten auf der Seite oder über die zum Download verfügbare Vorlage erfolgen. Wenn Sie die Vorlage verwenden, laden Sie den Datensatz hoch file und klicken Sie auf „Senden“, um die Modellvorhersage zu erhalten.
5.3. Entscheidungshilfe
Die Entscheidungsunterstützung bietet eine Klassifizierung und kann Behandlungsentscheidungen anhand der dem System bereitgestellten Informationen leiten. Es wurde anhand von Daten trainiert, um basierend auf den Merkmalen eines Patienten das optimale Behandlungsverfahren zu empfehlen. Weitere Informationen zu Clinical Decision Support Systems (CDSS) finden Sie hier.
Die Systemempfehlung berücksichtigt die Merkmale eines Patienten, empfiehlt das Behandlungsverfahren und sagt die zukünftige Wahrscheinlichkeit einer 5-Jahres-Metastasierung voraus. Der Benutzereingriff berücksichtigt sowohl die Merkmale des Patienten als auch das Behandlungsverfahren, um die zukünftige Wahrscheinlichkeit einer 5-Jahres-Metastasierung basierend auf der aktuellen Behandlung anstelle der optimalen Behandlung vorherzusagen.

MBIL

Der Markov Blanket and Interactive Risk Factor Learner (MBIL) ist ein Algorithmus, der einzelne und interaktive Risikofaktoren lernt, die einen direkten Einfluss auf das Ergebnis eines Patienten haben. Klicken Sie auf „Gehe zu MBIL“, um zum Python Package Index (PyPI) für das MBIL-Paket weitergeleitet zu werden, das sich hier befindet. Weitere Informationen zu MBIL finden Sie bei BMC Bioinformatics.

Datensätze

In diesem Abschnitt kann der Benutzer neue Datensätze anzeigen und hochladen web Anwendung.
7.1. Alle verfügbaren Datensätze anzeigen
Um alle verfügbaren Datensätze anzuzeigen, klicken Sie einfach auf „Verfügbare Datensätze anzeigen“.

7.2. Laden Sie einen Datensatz hoch
Um einen Datensatz hochzuladen, klicken Sie auf „Ihre Datensätze teilen“ und geben Sie dann die erforderlichen Informationen wie auf der Seite angegeben ein webSeite. Laden Sie zunächst den Datensatz hoch und füllen Sie die erforderlichen Felder aus.

Füllen Sie dann die Felder unten aus oder laden Sie einen Text hoch file mit den ausgefüllten Informationen. Ein ExampIm Folgenden erfahren Sie, wie Sie die Informationen organisieren, damit die Anwendung sie verstehen kann.

Modelle

In diesem Abschnitt kann der Benutzer die für ihn verfügbaren Modelle sehen und ein Modell teilen.
8.1. Alle verfügbaren Modelle anzeigen
Um alle verfügbaren Modelle anzuzeigen, klicken Sie auf „Verfügbare Modelle anzeigen“.

8.2. Teilen Sie ein Modell
Um ein Modell zu teilen, klicken Sie auf „Teilen Sie Ihre Modelle“ und laden Sie dann ein Modell hoch file trainiert durch Tensor Flow oder PyTorch.

8.2.1. Verwandter Datensatz
Anschließend sollten Sie den zugehörigen Datensatz einschließlich der Kopfzeilen hochladen. Die Klasse/Beschriftung für den Datensatz sollte in der letzten Spalte stehen.

8.2.2. Prädiktoren und Klasseninformationen
Wenn der Datensatz alle Features enthält, kann das Feature-Formular nach dem Hochladen des Datensatzes übersprungen werden. Sollten jedoch nicht alle darin enthalten sein, müssen diese Informationen in der Beschreibung angegeben werden file oder innerhalb des Feature-Formulars. Wählen Sie im Dropdown-Menü die Option aus, die angibt, wie Sie die Prädiktoren und Klasseninformationen bereitstellen möchten.

Wenn Sie die Beschreibungsoption verwenden, können Sie entweder die Felder ausfüllen oder einen Text hochladen file mit den ausgefüllten Informationen. Ein ExampNachfolgend finden Sie Informationen zur Organisation der Informationen.