iMed वापरकर्ता मॅन्युअल
परिचय
1.1. उद्देश
यामागचा उद्देश web अ‍ॅप्लिकेशन म्हणजे कच्ची माहिती घेणे आणि निर्णय घेण्यास उपयुक्त परिणाम देणार्‍या रीतीने त्यात फेरफार करण्यास परवानगी देणे. हे कच्च्या डेटासह मॉडेलला प्रशिक्षण देणे किंवा मॉडेल आणि विश्लेषण वापरून परिणामाचा अंदाज लावणे असू शकते.
१.२. नेव्हिगेशनल मेनू
पृष्ठाच्या शीर्षस्थानी असलेल्या नॅव्हिगेशनल मेनूमध्ये आपल्याला आवश्यक असलेल्या ठिकाणी जाण्यासाठी सर्व दुवे आहेत. तुम्ही कधीही हरवल्यास, परिचित पृष्ठावर जाण्यासाठी, घरी परत जाण्यासाठी किंवा नॅव्हिगेशनल मेनूमध्ये तुम्ही शोधत असलेले पृष्ठ शोधण्यासाठी तुम्ही नेहमी मागील बाणावर क्लिक करू शकता.
१.३. खाते
तुमच्याकडे आधीपासून खाते नसल्यास, तुम्ही अनुप्रयोग वापरण्यासाठी नोंदणी करणे आवश्यक आहे. असे करण्यासाठी, वरच्या उजव्या बाजूला खाते बटणावर क्लिक करा आणि नोंदणी करा क्लिक करा. नंतर पुढे जाण्यासाठी तुमचे वापरकर्तानाव, पासवर्ड आणि ईमेल प्रविष्ट करा.
तुमच्याकडे आधीपासूनच खाते असल्यास, तुमचे वापरकर्तानाव आणि पासवर्डसह साइन इन करा.
मुखपृष्ठ
पृष्ठाच्या डावीकडील आयटमवर क्लिक करून, प्रत्येकाचे वर्णन पृष्ठाच्या मध्यभागी दिसेल जे तुम्हाला प्रत्येकजण काय करतो हे समजण्यास मदत करेल.
iMedBot
iMedBot ऍप्लिकेशन एक इंटरफेस सादर करते जे एजंट्ससह वापरकर्ता सुलभ संवाद वाढवते, वैयक्तिकृत अंदाज आणि मॉडेल प्रशिक्षण सक्षम करते. हे सखोल शिक्षण संशोधनाच्या परिणामांचे ऑनलाइन साधनात रूपांतर करण्याच्या दिशेने पहिले पाऊल म्हणून काम करते, ज्यामध्ये या डोमेनमध्ये अतिरिक्त संशोधन कार्ये सुरू करण्याची क्षमता आहे. त्याची संबंधित वापरकर्ता पुस्तिका येथे आढळू शकते.
डेटा विश्लेषण
४.१. उपसंच पुनर्प्राप्त करा
हा विभाग वापरकर्त्याला त्यांचा डेटासेट संपादित करू देतो. तुम्ही एकतर नवीन डेटासेट अपलोड करणे निवडू शकता किंवा ड्रॉप-डाउन मेनूमधून अस्तित्वात असलेला डेटासेट वापरू शकता.
एकदा डेटासेट अपलोड झाला की, डाव्या बाजूच्या मेनूमधील एका पर्यायावर क्लिक करून तुम्हाला कोणती कारवाई करायची आहे ते तुम्ही निवडू शकता.
४.१.१. फिल्टरवर आधारित उपसंच पुनर्प्राप्त करा
हा विभाग दिलेल्या फिल्टरवर आधारित मूळ डेटासेटचा एक छोटा उपसंच मिळवण्याची परवानगी देतो. तुम्हाला सबसेटमध्ये हवी असलेली मूल्ये निवडा आणि नंतर तुम्हाला अंतिम डेटासेटमध्ये दाखवायचे असलेले स्तंभ निवडा.
४.१.२. क्रमवारी लावलेले परिणाम परत करा
हे क्रमवारी केलेल्या स्वरूपात डेटासेट परत करते. लक्ष्य स्तंभ, क्रमवारी क्रमवारी, परत करण्यासाठी पंक्तींची संख्या आणि अंतिम आउटपुटमध्ये कोणते स्तंभ दर्शविले जावेत ते निवडा.
४.१.३. डेटासेट विस्तृत करा
हे वापरकर्त्याला शब्दकोष म्हणून संग्रहित केलेला एकवचनी स्तंभ प्रत्यक्ष सारणीमध्ये विस्तृत करण्यास अनुमती देते जे वापरकर्ता नंतर हाताळू शकतो. हे नेस्टेड डेटासेट घेते आणि वापरकर्त्याला जे आवश्यक आहे ते टॉप-मोस्ट लेयरमध्ये हलवते. प्रथम, नेस्टेड डेटासेटसह स्तंभ समाविष्ट करणारा डेटासेट अपलोड करा. विस्ताराची आवश्यकता असलेला स्तंभ आपोआप आढळल्यास, नेस्टेड माहितीमधून कोणता स्तंभ विस्तृत करायचा आणि कोणते स्तंभ काढायचे ते निवडा. सबमिट करा क्लिक करा आणि आपण हे करू शकता view तुमची माहिती नेस्टेड डेटाऐवजी टेबलचे कॉलम म्हणून.
4.2. विलीन करा Files
सीटीआरएल क्लिक करून (मॅकसाठी कमांड) एकाधिक डेटासेट निवडून आणि अपलोड करून, हे त्यांना दुसर्‍या कशासाठी वापरण्यापेक्षा एका मोठ्या डेटासेटमध्ये विलीन करेल.
फक्त सर्व डेटासेट निवडा आणि आवश्यक माहिती भरा. हे नवीन डेटासेट iMed ऍप्लिकेशनमध्ये सेव्ह करेल आणि त्यानंतर डाउनलोडसाठी उपलब्ध होईल.
४.३. प्लॉट फंक्शन्स
हा विभाग वापरकर्त्याला त्यांचा डेटासेट प्लॉट करू देतो. डाव्या बाजूच्या मेनूमधील पर्यायांपैकी एक निवडा आणि नंतर तुमचा प्लॉट मिळविण्यासाठी आवश्यक फील्ड भरा. खाली तुम्ही तुमच्या डेटावरून प्लॉटचे प्रकार बनवू शकता:
४.४. सांख्यिकीय विश्लेषण
हा विभाग आम्हाला आमच्या डेटासेटवर सांख्यिकीय चाचण्या करू देतो. डाव्या बाजूच्या मेनूमधून चालविण्यासाठी चाचणी निवडा आणि चाचण्या चालविण्यासाठी फील्ड भरा. खाली उपलब्ध असलेल्या चाचण्यांचे प्रकार आहेत:
ODPAC
५.१. शिका
या पृष्ठामध्ये या पृष्ठावर उपलब्ध असलेल्या प्रत्येक प्रकारच्या संसाधनाचे संक्षिप्त वर्णन समाविष्ट आहे. प्रत्येक विभागाच्या शीर्षस्थानी असलेल्या बटणावर क्लिक केल्याने वापरकर्त्यास विषयाचा वापर करण्यास किंवा त्याबद्दल अधिक जाणून घेण्यासाठी दुसर्‍या पृष्ठाशी दुवा साधला जाईल.
५.१.१. एपिस्टासिस
हे पृष्ठ आम्हाला डेटावरून शिकण्यासाठी MBS, शोध अल्गोरिदम वापरू देते. विशेषत:, हे आम्हाला एपिस्टासिस, दोन किंवा अधिक जनुकांमधील परस्परसंवादाचा अभ्यास करण्यास अनुमती देते जे फिनोटाइपवर परिणाम करतात. हे प्रो साठी उपयुक्त आहेfile अनुवांशिक पैलू मध्ये रोग. जीनोम-वाइड असोसिएशन स्टडीज (GWAS) मध्ये आढळलेला उच्च-आयामी डेटा हाताळण्यासाठी पारंपारिक पद्धती योग्य नाहीत. मल्टिपल बीम सर्च (MBS) अल्गोरिदम अधिक जलद गतीने संवाद साधणारी जीन्स शोधण्याची परवानगी देतो. तुम्हाला वापरायचा असलेला डेटा अपलोड करा आणि नंतर आवश्यक फील्ड इनपुट करा. अधिक सखोल माहितीसाठी, संपूर्ण पेपर येथे शोधा.
५.१.२. जोखीम घटक
हे पृष्ठ आम्हाला डेटामधील परस्परसंवाद जाणून घेण्यासाठी IGain पॅकेज वापरू देते. हे विशेषत: ह्युरिस्टिक शोध वापरून उच्च-आयामी डेटावरून परस्परसंवाद शिकते. ही पद्धत कमी-आयामी डेटामधून परस्परसंवाद शिकण्यासाठी पूर्वी विकसित केलेल्या Exhaustive_IGain पद्धतीवर तयार होते. डेटा अपलोड करा आणि नंतर आवश्यक फील्ड इनपुट करा. IS थ्रेशोल्ड आणि iGain बद्दल अधिक माहिती येथे आढळू शकते.
५.१.३. अंदाज मॉडेल
हा विभाग मशीन लर्निंग मॉडेल्सच्या शीर्षस्थानी आधीच तयार केलेल्या प्रेडिक्शन मॉडेल्सचा वापर जलद करण्यासाठी अनुमती देतो. हे कोडिंगचा वापर न करता आणि त्यांच्या स्वतःच्या डेटासेटचा वापर करून मॉडेल्सचा अंदाज लावण्याचा पूर्वीचा अनुभव न वापरता त्यांना अनुमती देते. लॉजिस्टिक, रिग्रेशन, सपोर्ट वेक्टर मशीन्स (एसव्हीएम), डिसिजन ट्री आणि बरेच काही यासह वापरकर्त्यासाठी असंख्य अंदाज मॉडेल उपलब्ध आहेत. अंदाज पद्धतींची संपूर्ण यादी पृष्ठाच्या उजव्या बाजूला येथे आढळते.
5.2. अंदाज
हा विभाग पूर्वी अपलोड केलेल्या सामायिक मॉडेलवरील अंदाजांना अनुमती देतो. आधीपासून असे केले नसल्यास प्रथम सामायिक मॉडेल अपलोड करा. नंतर मॉडेल नावावर क्लिक करून अंदाजासाठी वापरण्यासाठी मॉडेल निवडा. नंतर वापरण्यासाठी अंदाज मॉडेलसाठी डेटा अपलोड करा. हे पृष्ठाच्या तळाशी असलेला फॉर्म वापरून किंवा डाउनलोडसाठी उपलब्ध टेम्पलेट वापरून व्यक्तिचलितपणे केले जाऊ शकते. टेम्पलेट वापरत असल्यास, डेटासेट अपलोड करा file आणि मॉडेल अंदाज प्राप्त करण्यासाठी सबमिट क्लिक करा.
५.३. निर्णय समर्थन
निर्णय समर्थन वर्गीकरण प्रदान करते आणि सिस्टमला पुरवलेल्या माहितीवरून उपचार निवडींचे मार्गदर्शन करू शकते. रुग्णाच्या वैशिष्ट्यांवर आधारित इष्टतम उपचार प्रक्रियेची शिफारस करण्यासाठी डेटावरून प्रशिक्षित केले गेले आहे. क्लिनिकल डिसिजन सपोर्ट सिस्टीम (CDSS) संबंधित अधिक माहिती येथे मिळू शकते.
सिस्टम शिफारस रुग्णाची वैशिष्ट्ये घेते आणि उपचार प्रक्रियेची शिफारस करते आणि 5 वर्षांच्या मेटास्टॅसिसच्या भविष्यातील संभाव्यतेचा अंदाज लावते. इष्टतम उपचारांऐवजी वर्तमान उपचारांवर आधारित 5 वर्षांच्या मेटास्टॅसिसच्या भविष्यातील संभाव्यतेचा अंदाज लावण्यासाठी वापरकर्ता हस्तक्षेप रुग्णाची वैशिष्ट्ये आणि उपचार प्रक्रिया दोन्ही घेते.
MBIL
मार्कोव्ह ब्लँकेट अँड इंटरएक्टिव्ह रिस्क फॅक्टर लर्नर (एमबीआयएल) हा एक अल्गोरिदम आहे जो एकल आणि परस्परसंवादी जोखीम घटक शिकतो ज्यांचा रुग्णाच्या परिणामावर थेट प्रभाव पडतो. येथे असलेल्या MBIL पॅकेजसाठी पायथन पॅकेज इंडेक्स (PyPI) वर पुनर्निर्देशित करण्यासाठी “MBIL वर जा” वर क्लिक करा. MBIL बद्दल अधिक माहिती BMC Bioinformatics येथे मिळू शकते.
डेटासेट
हा विभाग वापरकर्त्याला नवीन डेटासेट पाहण्याची आणि अपलोड करण्याची परवानगी देतो web अर्ज
७.१. उपलब्ध सर्व डेटासेट पहा
उपलब्ध सर्व डेटासेट पाहण्यासाठी, फक्त "उपलब्ध डेटासेट दर्शवा" वर क्लिक करा.
७.२. डेटासेट अपलोड करा
डेटासेट अपलोड करण्यासाठी, "तुमचा डेटासेट सामायिक करा" वर क्लिक करा आणि नंतर वर नमूद केल्यानुसार आवश्यक माहिती भरा. webपृष्ठ प्रथम, डेटासेट अपलोड करा आणि आवश्यक फील्ड भरा.
त्यानंतर, खालील फील्ड भरा किंवा मजकूर अपलोड करा file भरलेल्या माहितीसह. माजीampमाहिती कशी व्यवस्थापित करावी जेणेकरून अर्ज समजू शकेल ते खाली दिले आहे.
मॉडेल्स
हा विभाग वापरकर्त्याला त्यांच्यासाठी उपलब्ध मॉडेल पाहण्याची आणि मॉडेल शेअर करण्याची अनुमती देतो.
८.१. उपलब्ध सर्व मॉडेल पहा
सर्व उपलब्ध मॉडेल्स पाहण्यासाठी, "उपलब्ध मॉडेल दर्शवा" वर क्लिक करा.
८.२. मॉडेल शेअर करा
मॉडेल शेअर करण्यासाठी, “Share Your Models” वर क्लिक करा आणि नंतर मॉडेल अपलोड करा file टेन्सर प्रवाह किंवा PyTorch द्वारे प्रशिक्षित.
८.२.१. संबंधित डेटासेट
त्यानंतर तुम्ही संबंधित डेटासेट अपलोड करावा ज्यामध्ये शीर्षलेख समाविष्ट आहेत. डेटासेटसाठी वर्ग/लेबल शेवटच्या स्तंभात असावे.
८.२.२. भविष्यसूचक आणि वर्ग माहिती
डेटासेटमध्ये सर्व वैशिष्ट्ये समाविष्ट असल्यास, डेटासेट अपलोड केल्यानंतर वैशिष्ट्य फॉर्म वगळला जाऊ शकतो. तथापि, ते सर्व समाविष्ट नसल्यास, ही माहिती वर्णनात प्रदान करणे आवश्यक आहे file किंवा वैशिष्ट्य फॉर्ममध्ये. तुमचा अंदाज आणि वर्ग माहिती कशी प्रदान करायची हे दर्शविणारा पर्याय ड्रॉप डाउनमधून निवडा.
वर्णन पर्याय वापरत असल्यास, तुम्ही फील्ड भरू शकता किंवा मजकूर अपलोड करू शकता file भरलेल्या माहितीसह. माजीampमाहिती कशी व्यवस्थित करायची ते खाली दिले आहे.
कागदपत्रे / संसाधने
 |
अॅप्स iMed Web अर्ज [pdf] वापरकर्ता मॅन्युअल iMed, iMed Web अर्ज, Web अर्ज |