Panduan Pengguna iMed
Perkenalan
1.1. Tujuan
Tujuan dari ini web penerapannya adalah mengambil informasi mentah dan memungkinkan manipulasi dengan cara yang memberikan hasil yang berguna dalam pengambilan keputusan. Hal ini dapat dilakukan untuk melatih model dengan data mentah atau memprediksi hasil menggunakan model dan analisis.
1.2. Menu Navigasi
Menu navigasi di bagian atas halaman menampung semua tautan untuk mencapai tempat yang Anda inginkan. Jika Anda tersesat, Anda selalu dapat mengklik panah kembali untuk membuka halaman yang sudah dikenal, kembali ke beranda, atau menemukan halaman yang Anda cari dalam menu navigasi.
1.3. Akun
Jika Anda belum memiliki akun, Anda harus mendaftar untuk menggunakan aplikasi tersebut. Untuk melakukannya, klik tombol akun di kanan atas dan klik daftar. Kemudian masukkan nama pengguna, kata sandi, dan email Anda untuk melanjutkan.
Jika Anda sudah memiliki akun, masuklah dengan nama pengguna dan kata sandi Anda.
Halaman Depan
Dengan mengklik item di sebelah kiri halaman, deskripsi masing-masing item akan muncul di tengah halaman untuk membantu Anda memahami apa yang dilakukan masing-masing item.
iMedBot
Aplikasi iMedBot menghadirkan antarmuka yang mendorong interaksi pengguna yang mudah dengan agen, memungkinkan prediksi yang dipersonalisasi dan pelatihan model. Ini berfungsi sebagai langkah pertama menuju transformasi hasil penelitian pembelajaran mendalam menjadi alat online, yang berpotensi memicu penelitian tambahan di bidang ini. Panduan pengguna masing-masing dapat ditemukan di sini.
Analisis Data
4.1. Ambil Subset
Bagian ini memungkinkan pengguna mengedit kumpulan datanya. Anda dapat memilih untuk mengunggah kumpulan data baru atau menggunakan kumpulan data yang sudah ada dari menu tarik-turun.
Setelah kumpulan data diunggah, Anda dapat memilih tindakan yang ingin Anda ambil dengan mengklik salah satu opsi di menu sebelah kiri.
4.1.1. Ambil Subset Berdasarkan Filter
Bagian ini memungkinkan mendapatkan subkumpulan lebih kecil dari kumpulan data asli berdasarkan filter yang diberikan. Pilih nilai yang Anda inginkan di subkumpulan lalu pilih kolom yang ingin Anda tampilkan di kumpulan data akhir.
4.1.2. Kembalikan Hasil yang Diurutkan
Ini mengembalikan kumpulan data dalam bentuk yang diurutkan. Pilih kolom target, urutan pengurutan, jumlah baris yang akan dikembalikan, dan kolom mana yang akan ditampilkan di hasil akhir.
4.1.3. Perluas Kumpulan Data
Hal ini memungkinkan pengguna untuk memperluas kolom tunggal yang disimpan sebagai kamus menjadi tabel sebenarnya yang kemudian dapat dimanipulasi oleh pengguna. Dibutuhkan kumpulan data bertingkat dan memindahkan apa yang dibutuhkan pengguna ke lapisan paling atas. Pertama, unggah kumpulan data yang menyertakan kolom dengan kumpulan data bertingkat. Jika kolom yang perlu diperluas terdeteksi secara otomatis, pilih kolom mana yang akan diperluas dan kolom mana yang akan diambil dari informasi bertingkat. Klik kirim dan Anda bisa view informasi Anda sebagai kolom tabel, bukan data bertumpuk.
4.2. Gabungkan Files
Dengan memilih dan mengunggah beberapa kumpulan data dengan mengklik ctrl (perintah untuk mac), ini akan menggabungkannya menjadi satu kumpulan data yang lebih besar daripada digunakan untuk hal lain.
Cukup pilih semua kumpulan data dan isi informasi yang diperlukan. Ini akan menyimpan kumpulan data baru ke aplikasi iMed dan kemudian tersedia untuk diunduh.
4.3. Fungsi Plot
Bagian ini memungkinkan pengguna memplot kumpulan datanya. Pilih salah satu opsi di menu sebelah kiri dan kemudian isi kolom yang diperlukan untuk mendapatkan plot Anda. Berikut adalah jenis plot yang dapat Anda buat dari data Anda:
4.4. Analisis Statistik
Bagian ini memungkinkan kita menjalankan uji statistik pada kumpulan data kita. Pilih tes untuk dijalankan dari menu sebelah kiri dan isi kolom untuk menjalankan tes. Di bawah ini adalah jenis tes yang tersedia:
ODPAC
5.1. Belajar
Halaman ini mencakup penjelasan singkat tentang setiap jenis sumber daya yang tersedia di halaman ini. Mengklik tombol di bagian atas setiap bagian akan menghubungkan ke halaman lain yang memungkinkan pengguna untuk menggunakan atau mempelajari lebih lanjut tentang topik tersebut.
5.1.1. Epistasis
Halaman ini memungkinkan kita menggunakan MBS, algoritma pencarian untuk belajar dari data. Secara khusus, ini memungkinkan kita mempelajari epistasis, interaksi antara dua atau lebih gen yang memengaruhi fenotipe. Ini berguna untuk para profesionalfile penyakit pada aspek genetik. Metode konvensional tidak cocok untuk menangani data berdimensi tinggi yang ditemukan dalam studi asosiasi genome-wide (GWAS). Algoritme Multiple Beam Search (MBS) memungkinkan pendeteksian gen yang berinteraksi dengan lebih cepat. Unggah data yang ingin Anda gunakan lalu masukkan kolom yang diperlukan. Untuk informasi lebih mendalam, temukan makalah lengkapnya di sini.
5.1.2. Faktor risiko
Halaman ini memungkinkan kita menggunakan paket IGain untuk mempelajari interaksi antar data. Ini secara khusus mempelajari interaksi dari data berdimensi tinggi menggunakan pencarian heuristik. Metode ini dibangun berdasarkan metode Exhaustive_IGain yang sebelumnya dikembangkan untuk mempelajari interaksi dari data berdimensi rendah. Unggah data lalu masukkan kolom yang diperlukan. Informasi selengkapnya tentang ambang batas IS dan iGain dapat ditemukan di sini.
5.1.3. Model Prediksi
Bagian ini memungkinkan penggunaan model prediksi yang sudah dibuat sebelumnya di atas model pembelajaran mesin untuk mempercepat penggunaannya. Hal ini memungkinkan penggunaannya tanpa menggunakan pengkodean dan pengalaman sebelumnya untuk memprediksi model menggunakan kumpulan datanya sendiri. Ada banyak model prediksi yang tersedia untuk pengguna termasuk Logistik, Regresi, Support Vector Machines (SVMs), Decision Trees, dan banyak lagi. Daftar lengkap metode prediksi dapat ditemukan di sisi kanan halaman di sini.
5.2. Ramalan
Bagian ini memungkinkan prediksi dari model bersama yang diunggah sebelumnya. Pertama-tama unggah model bersama jika belum melakukannya. Kemudian pilih model yang akan digunakan untuk prediksi dengan mengklik nama model. Kemudian unggah data untuk digunakan model prediksi. Hal ini dapat dilakukan secara manual menggunakan formulir di bagian bawah halaman atau menggunakan template yang tersedia untuk diunduh. Jika menggunakan template, unggah kumpulan datanya file dan klik kirim untuk menerima prediksi model.
5.3. Pendukung keputusan
Pendukung keputusan memberikan klasifikasi dan dapat memandu pilihan pengobatan dari informasi yang diberikan ke sistem. Ini telah dilatih dari data untuk merekomendasikan prosedur perawatan yang optimal berdasarkan karakteristik pasien. Informasi lebih lanjut mengenai Sistem Pendukung Keputusan Klinis (CDSS) dapat ditemukan di sini.
Rekomendasi Sistem mengambil fitur pasien dan merekomendasikan prosedur pengobatan dan memprediksi kemungkinan metastasis 5 tahun di masa depan. Intervensi Pengguna menggunakan fitur pasien dan prosedur pengobatan untuk memprediksi kemungkinan metastasis 5 tahun di masa depan berdasarkan pengobatan saat ini, bukan pengobatan optimal.
MBIL
Markov Blanket dan Interactive Risk Factor Learner (MBIL) adalah algoritma yang mempelajari faktor risiko tunggal dan interaktif yang mempunyai pengaruh langsung terhadap hasil akhir pasien. Klik “buka MBIL” untuk diarahkan ke Indeks Paket Python (PyPI) untuk paket MBIL yang ada di sini. Informasi lebih lanjut tentang MBIL dapat ditemukan di BMC Bioinformatics.
Kumpulan data
Bagian ini memungkinkan pengguna untuk melihat dan mengunggah kumpulan data baru ke web aplikasi.
7.1. Lihat Semua Kumpulan Data yang Tersedia
Untuk melihat semua kumpulan data yang tersedia, cukup klik “Tampilkan Kumpulan Data yang Tersedia.”
7.2. Unggah Kumpulan Data
Untuk mengunggah kumpulan data, klik “Bagikan Kumpulan Data Anda” lalu isi informasi yang diperlukan seperti yang tercantum di webhalaman. Pertama, unggah kumpulan data dan isi kolom yang wajib diisi.
Lalu, isi kolom di bawah atau unggah teks file dengan informasi yang diisi. MantanampBerikut adalah cara mengatur informasi agar aplikasi dapat memahaminya.
Model
Bagian ini memungkinkan pengguna untuk melihat model yang tersedia bagi mereka dan berbagi model.
8.1. Lihat Semua Model yang Tersedia
Untuk melihat semua model yang tersedia, klik “Tampilkan Model yang Tersedia.”
8.2. Bagikan Model
Untuk membagikan model, klik “Bagikan Model Anda” lalu unggah model file dilatih oleh aliran tensor atau PyTorch.
8.2.1. Kumpulan Data Terkait
Anda kemudian harus mengunggah kumpulan data terkait yang mencakup header. Kelas/label dataset harus berada di kolom terakhir.
8.2.2. Prediktor dan informasi Kelas
Jika kumpulan data mencakup semua fitur, formulir fitur dapat dilewati setelah kumpulan data diunggah. Namun, jika tidak semuanya disertakan, informasi ini harus dicantumkan dalam uraian file atau dalam bentuk fitur. Pilih opsi dari drop down yang menunjukkan bagaimana Anda ingin memberikan informasi prediktor dan kelas.
Jika menggunakan opsi deskripsi, Anda dapat mengisi kolom atau mengunggah teks file dengan informasi yang diisi. Mantanample bagaimana mengatur informasi diberikan di bawah ini.
Dokumen / Sumber Daya
 |
Aplikasi iMed Web Aplikasi [Bahasa Indonesia:] Panduan Pengguna iMed, iMed Web Aplikasi, Web Aplikasi |