Manual do usuário iMed
Introdução
1.1. Objetivo
O propósito disto web A aplicação é pegar informações brutas e permitir manipulá-las de uma maneira que forneça resultados úteis na tomada de decisões. Isso pode ser treinar um modelo com dados brutos ou prever o resultado usando modelos e análises.
1.2. Menu de navegação
O menu de navegação na parte superior da página contém todos os links para chegar onde você precisa. Se você se perder, poderá clicar na seta para trás para acessar uma página familiar, voltar para casa ou encontrar a página que procura no menu de navegação.
1.3. Conta
Se você ainda não possui uma conta, deverá se cadastrar para usar o aplicativo. Para fazer isso, clique no botão da conta no canto superior direito e clique em registrar. Em seguida, digite seu nome de usuário, senha e e-mail para prosseguir.
Se você já possui uma conta, faça login com seu nome de usuário e senha.
Página inicial
Ao clicar nos itens à esquerda da página, uma descrição de cada um aparecerá no meio da página para ajudar você a entender o que cada um faz.
iMedBot
A aplicação iMedBot apresenta uma interface que facilita a interação do usuário com os agentes, permitindo previsão personalizada e treinamento de modelos. Serve como o primeiro passo para transformar os resultados da investigação em aprendizagem profunda numa ferramenta online, que tem o potencial de desencadear pesquisas adicionais neste domínio. Seu respectivo manual do usuário pode ser encontrado aqui.
Análise de dados
4.1. Recuperar subconjuntos
Esta seção permite ao usuário editar seu conjunto de dados. Você pode optar por fazer upload de um novo conjunto de dados ou usar um existente no menu suspenso.
Depois que o conjunto de dados for carregado, você poderá escolher a ação que deseja realizar clicando em uma das opções no menu do lado esquerdo.
4.1.1. Recuperar subconjuntos com base em filtros
Esta seção permite obter um subconjunto menor do conjunto de dados original com base em determinados filtros. Escolha os valores que deseja no subconjunto e, em seguida, escolha as colunas que deseja mostrar no conjunto de dados final.
4.1.2. Retornar resultados classificados
Isso retorna o conjunto de dados em um formato classificado. Escolha a coluna de destino, a ordem de classificação, o número de linhas a serem retornadas e quais colunas serão mostradas na saída final.
4.1.3. Expanda o conjunto de dados
Isso permite ao usuário expandir uma coluna singular armazenada como um dicionário em uma tabela real que o usuário pode então manipular. Ele pega um conjunto de dados aninhado e move o que é exigido pelo usuário para a camada superior. Primeiro, carregue um conjunto de dados que inclua uma coluna com um conjunto de dados aninhado. Se uma coluna que precisa ser expandida for detectada automaticamente, escolha qual coluna expandir e quais colunas extrair das informações aninhadas. Clique em enviar e você pode view suas informações como colunas de uma tabela em vez de dados aninhados.
4.2. Unir Files
Ao selecionar e fazer upload de vários conjuntos de dados clicando com a tecla Ctrl (comando para Mac), isso irá mesclá-los em um conjunto de dados maior do que ser usado para outra coisa.
Basta selecionar todos os conjuntos de dados e preencher as informações necessárias. Isso salvará o novo conjunto de dados no aplicativo iMed e estará disponível para download.
4.3. Funções de plotagem
Esta seção permite ao usuário plotar seu conjunto de dados. Escolha uma das opções do menu lateral esquerdo e preencha os campos obrigatórios para obter seu lote. Abaixo estão os tipos de gráficos que você pode criar a partir de seus dados:
4.4. Análise Estatística
Esta seção nos permite executar testes estatísticos em nosso conjunto de dados. Escolha um teste para executar no menu do lado esquerdo e preencha os campos para executar os testes. Abaixo estão os tipos de testes disponíveis:
ODPAC
5.1. Aprenda
Esta página inclui uma breve descrição de cada tipo de recurso disponível nesta página. Clicar no botão na parte superior de cada seção direcionará para outra página que permite ao usuário usar ou aprender mais sobre o tópico.
5.1.1. Epistasia
Esta página nos permite usar o MBS, um algoritmo de pesquisa para aprender com os dados. Especificamente, permite estudar a epistasia, a interação entre dois ou mais genes que afetam o fenótipo. Isso é útil para profissionaisfile doenças no aspecto genético. Os métodos convencionais não são adequados para lidar com os dados de alta dimensão encontrados em estudos de associação genômica ampla (GWAS). O algoritmo Multiple Beam Search (MBS) permite detectar genes em interação em uma taxa muito mais rápida. Carregue os dados que deseja usar e insira os campos obrigatórios. Para informações mais detalhadas, encontre o artigo completo aqui.
5.1.2 Fatores de risco
Esta página nos permite usar o pacote IGain para aprender as interações entre os dados. Ele aprende especificamente interações de dados de alta dimensão usando uma pesquisa heurística. Este método baseia-se no método Exhaustive_IGain desenvolvido anteriormente para aprender interações de dados de baixa dimensão. Faça upload dos dados e insira os campos obrigatórios. Mais informações sobre os limites IS e iGain podem ser encontradas aqui.
5.1.3. Modelos de previsão
Esta seção permite o uso de modelos de previsão já pré-construídos sobre modelos de aprendizado de máquina para agilizar seu uso. Isso permite seu uso sem o uso de codificação e experiência prévia para prever modelos usando seu próprio conjunto de dados. Existem vários modelos de previsão disponíveis para o usuário, incluindo Logística, Regressão, Máquinas de Vetores de Suporte (SVMs), Árvores de Decisão e muito mais. A lista completa de métodos de previsão pode ser encontrada no lado direito da página aqui.
5.2. Predição
Esta seção permite previsões de um modelo compartilhado carregado anteriormente. Primeiro carregue um modelo compartilhado, caso ainda não tenha feito isso. Em seguida, escolha o modelo a ser usado para previsão clicando no nome do modelo. Em seguida, carregue os dados para o modelo de previsão usar. Isso pode ser feito manualmente através do formulário no final da página ou através do modelo disponível para download. Se estiver usando o modelo, carregue o conjunto de dados file e clique em enviar para receber a previsão do modelo.
5.3. Apoio à decisão
O apoio à decisão fornece classificação e pode orientar as escolhas de tratamento a partir das informações fornecidas ao sistema. Ele foi treinado a partir de dados para recomendar o procedimento de tratamento ideal com base nas características do paciente. Mais informações sobre Sistemas de Apoio à Decisão Clínica (CDSS) podem ser encontradas aqui.
A recomendação do sistema considera as características do paciente e recomenda o procedimento de tratamento e prevê a probabilidade futura de metástase em 5 anos. A intervenção do usuário considera as características do paciente e o procedimento de tratamento para prever a probabilidade futura de metástase em 5 anos com base no tratamento atual em vez do tratamento ideal.
MBIL
O Markov Blanket and Interactive Risk Factor Learner (MBIL) é um algoritmo que aprende fatores de risco únicos e interativos que têm uma influência direta no resultado de um paciente. Clique em “ir para MBIL” para ser redirecionado ao Python Package Index (PyPI) do pacote MBIL localizado aqui. Mais informações sobre MBIL podem ser encontradas em BMC Bioinformatics.
Conjuntos de dados
Esta seção permite ao usuário ver e fazer upload de novos conjuntos de dados para o web aplicativo.
7.1. Veja todos os conjuntos de dados disponíveis
Para ver todos os conjuntos de dados disponíveis, basta clicar em “Mostrar conjuntos de dados disponíveis”.
7.2. Carregar um conjunto de dados
Para fazer upload de um conjunto de dados, clique em “Compartilhar seus conjuntos de dados” e preencha as informações necessárias conforme indicado no webpágina. Primeiro, carregue o conjunto de dados e preencha os campos obrigatórios.
Em seguida, preencha os campos abaixo ou carregue um texto file com as informações preenchidas. Um exampAbaixo está um exemplo de como organizar as informações para que o aplicativo possa entendê-las.
Modelos
Esta seção permite ao usuário ver os modelos disponíveis e compartilhar um modelo.
8.1. Veja todos os modelos disponíveis
Para ver todos os modelos disponíveis, clique em “Mostrar modelos disponíveis”.
8.2. Compartilhe um modelo
Para compartilhar um modelo, clique em “Compartilhar seus modelos” e depois carregue um modelo file treinado por fluxo tensor ou PyTorch.
8.2.1. Conjunto de dados relacionado
Você deve então fazer upload do conjunto de dados relacionado que inclui os cabeçalhos. A classe/rótulo do conjunto de dados deve estar na última coluna.
8.2.2. Preditores e informações de classe
Se o conjunto de dados incluir todos os recursos, o formulário do recurso poderá ser ignorado após o upload do conjunto de dados. No entanto, se não estiverem todos incluídos, esta informação deve ser fornecida na descrição file ou dentro do formulário de recurso. Escolha a opção no menu suspenso que indica como você pretende fornecer os preditores e as informações de classe.
Se estiver usando a opção de descrição, você pode preencher os campos ou fazer upload de um texto file com as informações preenchidas. Um exampO exemplo de como organizar as informações é fornecido abaixo.
Documentos / Recursos
 |
Aplicativos iMed Web Aplicativo [pdf] Manual do Usuário iMed, iMed Web Aplicativo, Web Aplicativo |