Manuel d'utilisation iMed
Introduction
1.1. Objectif
Le but de ceci web L'application consiste à prendre des informations brutes et à permettre de les manipuler de manière à donner des résultats utiles à la prise de décision. Il peut s'agir de former un modèle avec des données brutes ou de prédire le résultat à l'aide de modèles et d'analyses.
1.2. Menu de navigation
Le menu de navigation en haut de la page contient tous les liens pour arriver là où vous devez être. Si jamais vous vous perdez, vous pouvez toujours cliquer sur la flèche de retour pour accéder à une page familière, rentrer chez vous ou trouver la page que vous recherchez dans le menu de navigation.
1.3. Compte
Si vous n'avez pas encore de compte, vous devez vous inscrire pour utiliser l'application. Pour ce faire, cliquez sur le bouton de compte en haut à droite et cliquez sur s'inscrire. Entrez ensuite votre nom d'utilisateur, votre mot de passe et votre e-mail pour continuer.
Si vous possédez déjà un compte, connectez-vous avec votre nom d'utilisateur et votre mot de passe.
Page d'accueil
En cliquant sur les éléments à gauche de la page, une description de chacun apparaîtra au milieu de la page pour vous aider à comprendre ce que chacun fait.
iMedBot
L'application iMedBot présente une interface qui favorise une interaction facile de l'utilisateur avec les agents, permettant des prédictions personnalisées et une formation de modèles. Il constitue la première étape vers la transformation des résultats de la recherche sur l’apprentissage profond en un outil en ligne, susceptible de susciter de nouvelles recherches dans ce domaine. Son manuel d’utilisation respectif peut être trouvé ici.
Analyse des données
4.1. Récupérer des sous-ensembles
Cette section permet à l'utilisateur de modifier son ensemble de données. Vous pouvez choisir de télécharger un nouvel ensemble de données ou d'en utiliser un existant dans le menu déroulant.
Une fois l'ensemble de données téléchargé, vous pouvez choisir l'action que vous souhaitez entreprendre en cliquant sur l'une des options du menu de gauche.
4.1.1. Récupérer des sous-ensembles basés sur des filtres
Cette section permet d'obtenir un sous-ensemble plus petit de l'ensemble de données d'origine en fonction de filtres donnés. Choisissez les valeurs que vous souhaitez dans le sous-ensemble, puis choisissez les colonnes que vous souhaitez afficher dans l'ensemble de données final.
4.1.2. Retourner les résultats triés
Cela renvoie l'ensemble de données sous une forme triée. Choisissez la colonne cible, l'ordre de tri, le nombre de lignes à renvoyer et les colonnes à afficher dans la sortie finale.
4.1.3. Développez l'ensemble de données
Cela permet à l'utilisateur de développer une colonne singulière stockée sous forme de dictionnaire en une table réelle que l'utilisateur peut ensuite manipuler. Il prend un ensemble de données imbriqué et déplace ce qui est requis par l'utilisateur vers la couche la plus élevée. Tout d’abord, téléchargez un ensemble de données comprenant une colonne avec un ensemble de données imbriqué. Si une colonne à développer est automatiquement détectée, choisissez quelle colonne développer et quelles colonnes extraire des informations imbriquées. Cliquez sur Soumettre et vous pourrez view vos informations sous forme de colonnes d’un tableau au lieu de données imbriquées.
4.2. Fusionner Files
En sélectionnant et en téléchargeant plusieurs ensembles de données en cliquant sur Ctrl (commande pour Mac), cela les fusionnera en un ensemble de données plus grand que celui utilisé pour autre chose.
Sélectionnez simplement tous les ensembles de données et remplissez les informations requises. Cela enregistrera le nouvel ensemble de données dans l’application iMed et sera ensuite disponible en téléchargement.
4.3. Fonctions de tracé
Cette section permet à l'utilisateur de tracer son ensemble de données. Choisissez l'une des options du menu de gauche puis remplissez les champs obligatoires pour obtenir votre parcelle. Vous trouverez ci-dessous les types de tracés que vous pouvez créer à partir de vos données :
4.4. Analyse statistique
Cette section nous permet d'effectuer des tests statistiques sur notre ensemble de données. Choisissez un test à exécuter dans le menu de gauche et remplissez les champs pour exécuter les tests. Vous trouverez ci-dessous les types de tests disponibles :
ODPAC
5.1. Apprendre
Cette page comprend une brève description de chaque type de ressource disponible sur cette page. En cliquant sur le bouton en haut de chaque section, vous accéderez à une autre page permettant à l'utilisateur d'utiliser ou d'en apprendre davantage sur le sujet.
5.1.1. Épistasie
Cette page nous permet d'utiliser MBS, un algorithme de recherche pour apprendre des données. Plus précisément, cela nous permet d'étudier l'épistasie, l'interaction entre deux ou plusieurs gènes qui affectent le phénotype. Ceci est utile aux profile maladies sous l’aspect génétique. Les méthodes conventionnelles ne sont pas adaptées au traitement des données de grande dimension trouvées dans les études d'association pangénomique (GWAS). L’algorithme MBS (Multiple Beam Search) permet de détecter les gènes en interaction à un rythme beaucoup plus rapide. Téléchargez les données que vous souhaitez utiliser, puis saisissez les champs requis. Pour des informations plus détaillées, retrouvez le document complet ici.
5.1.2. Facteurs de risque
Cette page nous permet d'utiliser le package IGain pour apprendre les interactions entre les données. Il apprend spécifiquement les interactions à partir de données de grande dimension à l’aide d’une recherche heuristique. Cette méthode s'appuie sur la méthode Exhaustive_IGain précédemment développée pour apprendre les interactions à partir de données de faible dimension. Téléchargez les données, puis saisissez les champs obligatoires. Plus d’informations sur les seuils IS et iGain peuvent être trouvées ici.
5.1.3. Modèles de prédiction
Cette section permet d'utiliser des modèles de prédiction déjà pré-construits sur des modèles d'apprentissage automatique pour accélérer son utilisation. Cela permet leur utilisation sans recours au codage ni à l’expérience préalable pour prédire les modèles à l’aide de leur propre ensemble de données. Il existe de nombreux modèles de prédiction disponibles pour l'utilisateur, notamment la logistique, la régression, les machines à vecteurs de support (SVM), les arbres de décision et bien d'autres. La liste complète des méthodes de prédiction se trouve sur le côté droit de la page ici.
5.2. Prédiction
Cette section permet les prédictions à partir d'un modèle partagé précédemment téléchargé. Téléchargez d’abord un modèle partagé si ce n’est déjà fait. Choisissez ensuite le modèle à utiliser pour la prédiction en cliquant sur le nom du modèle. Téléchargez ensuite les données que le modèle de prédiction utilisera. Cela peut être fait soit manuellement à l'aide du formulaire en bas de page, soit à l'aide du modèle disponible en téléchargement. Si vous utilisez le modèle, téléchargez l'ensemble de données file et cliquez sur Soumettre pour recevoir la prédiction du modèle.
5.3. Aide à la décision
L'aide à la décision fournit une classification et peut guider les choix de traitement à partir des informations fournies au système. Il a été formé à partir de données pour recommander la procédure de traitement optimale en fonction des caractéristiques du patient. Plus d’informations sur les systèmes d’aide à la décision clinique (CDSS) peuvent être trouvées ici.
La recommandation du système prend en compte les caractéristiques d'un patient, recommande une procédure de traitement et prédit la probabilité future de métastases à 5 ans. L'intervention de l'utilisateur prend à la fois les caractéristiques du patient et la procédure de traitement pour prédire la probabilité future de métastases à 5 ans sur la base du traitement actuel au lieu du traitement optimal.
MBIL
Le Markov Blanket and Interactive Risk Factor Learner (MBIL) est un algorithme qui apprend les facteurs de risque uniques et interactifs qui ont une influence directe sur les résultats d'un patient. Cliquez sur « Aller à MBIL » pour être redirigé vers l'index du package Python (PyPI) pour le package MBIL situé ici. Plus d’informations sur MBIL peuvent être trouvées sur BMC Bioinformatics.
Ensembles de données
Cette section permet à l'utilisateur de voir et de télécharger de nouveaux ensembles de données sur le web application.
7.1. Voir tous les ensembles de données disponibles
Pour voir tous les ensembles de données disponibles, cliquez simplement sur « Afficher les ensembles de données disponibles ».
7.2. Télécharger un ensemble de données
Pour télécharger un ensemble de données, cliquez sur « Partager vos ensembles de données », puis remplissez les informations requises comme indiqué sur le webpage. Tout d’abord, téléchargez l’ensemble de données et remplissez les champs obligatoires.
Ensuite, remplissez les champs ci-dessous ou téléchargez un texte file avec les informations renseignées. Un exampLa manière d'organiser les informations afin que l'application puisse les comprendre est indiquée ci-dessous.
Modèles
Cette section permet à l'utilisateur de voir les modèles disponibles et de partager un modèle.
8.1. Voir tous les modèles disponibles
Pour voir tous les modèles disponibles, cliquez sur « Afficher les modèles disponibles ».
8.2. Partager un modèle
Pour partager un modèle, cliquez sur « Partager vos modèles » puis téléchargez un modèle file entraîné par flux tensoriel ou PyTorch.
8.2.1. Ensemble de données associé
Vous devez ensuite télécharger l'ensemble de données associé qui inclut les en-têtes. La classe/étiquette de l'ensemble de données doit figurer dans la dernière colonne.
8.2.2. Prédicteurs et informations sur les classes
Si l'ensemble de données inclut toutes les entités, le formulaire d'entité peut être ignoré après le téléchargement de l'ensemble de données. Toutefois, s'ils ne sont pas tous inclus, cette information doit être précisée dans le descriptif. file ou dans le formulaire de fonctionnalité. Choisissez l'option dans la liste déroulante indiquant comment vous comptez fournir les prédicteurs et les informations sur la classe.
Si vous utilisez l'option de description, vous pouvez soit remplir les champs, soit télécharger un texte file avec les informations renseignées. Un exampLa manière d'organiser les informations est donnée ci-dessous.
Documents / Ressources
 |
Applications iMed Web Application [pdf] Manuel de l'utilisateur iMed, iMed Web Application, Web Application |