សៀវភៅណែនាំអ្នកប្រើប្រាស់ iMed
សេចក្តីផ្តើម
1.1. គោលបំណង
គោលបំណងនៃរឿងនេះ web កម្មវិធីគឺយកព័ត៌មានឆៅ និងអនុញ្ញាតឱ្យរៀបចំវាតាមរបៀបដែលផ្តល់លទ្ធផលមានប្រយោជន៍ក្នុងការសម្រេចចិត្ត។ នេះអាចជាការបណ្តុះបណ្តាលគំរូជាមួយនឹងទិន្នន័យឆៅ ឬព្យាករណ៍លទ្ធផលដោយប្រើគំរូ និងការវិភាគ។
១.២. ម៉ឺនុយរុករក
ម៉ឺនុយរុករកនៅផ្នែកខាងលើនៃទំព័រមានតំណភ្ជាប់ទាំងអស់ដើម្បីទៅដល់កន្លែងដែលអ្នកត្រូវទៅ។ ប្រសិនបើអ្នកធ្លាប់វង្វេង អ្នកតែងតែអាចចុចព្រួញខាងក្រោយ ដើម្បីទៅកាន់ទំព័រដែលធ្លាប់ស្គាល់ ត្រឡប់ទៅផ្ទះ ឬស្វែងរកទំព័រដែលអ្នកកំពុងស្វែងរកនៅក្នុងម៉ឺនុយរុករក។
២.១. គណនី
ប្រសិនបើអ្នកមិនទាន់មានគណនីទេ អ្នកត្រូវតែចុះឈ្មោះដើម្បីប្រើប្រាស់កម្មវិធី។ ដើម្បីធ្វើដូច្នេះ សូមចុចប៊ូតុងគណនីនៅខាងស្តាំខាងលើ ហើយចុចចុះឈ្មោះ។ បន្ទាប់មកបញ្ចូលឈ្មោះអ្នកប្រើប្រាស់ ពាក្យសម្ងាត់ និងអ៊ីមែលរបស់អ្នក ដើម្បីបន្ត។
ប្រសិនបើអ្នកមានគណនីរួចហើយ សូមចូលដោយប្រើឈ្មោះអ្នកប្រើប្រាស់ និងពាក្យសម្ងាត់របស់អ្នក។
ទំព័រដើម
ដោយចុចលើធាតុនៅខាងឆ្វេងនៃទំព័រ ការពិពណ៌នានីមួយៗនឹងបង្ហាញនៅកណ្តាលទំព័រ ដើម្បីជួយអ្នកឱ្យយល់ពីអ្វីដែលពួកគេម្នាក់ៗធ្វើ។
iMedBot
កម្មវិធី iMedBot បង្ហាញចំណុចប្រទាក់ដែលជំរុញអន្តរកម្មអ្នកប្រើប្រាស់ងាយស្រួលជាមួយភ្នាក់ងារ បើកការទស្សន៍ទាយផ្ទាល់ខ្លួន និងការបណ្តុះបណ្តាលគំរូ។ វាបម្រើជាជំហានដំបូងឆ្ពោះទៅរកការបំប្លែងលទ្ធផលនៃការស្រាវជ្រាវការសិក្សាស៊ីជម្រៅទៅជាឧបករណ៍អនឡាញ ដែលមានសក្តានុពលក្នុងការជំរុញឱ្យមានការស្រាវជ្រាវបន្ថែមនៅក្នុងដែននេះ។ សៀវភៅណែនាំអ្នកប្រើប្រាស់រៀងៗខ្លួនអាចរកបាននៅទីនេះ។
ការវិភាគទិន្នន័យ
៤.១. ទាញយកសំណុំរង
ផ្នែកនេះអនុញ្ញាតឱ្យអ្នកប្រើកែសម្រួលសំណុំទិន្នន័យរបស់ពួកគេ។ អ្នកអាចជ្រើសរើសបញ្ចូលសំណុំទិន្នន័យថ្មី ឬប្រើសំណុំទិន្នន័យដែលមានស្រាប់ពីម៉ឺនុយទម្លាក់ចុះ។
នៅពេលដែលសំណុំទិន្នន័យត្រូវបានផ្ទុកឡើង អ្នកអាចជ្រើសរើសសកម្មភាពណាមួយដែលអ្នកចង់ធ្វើដោយចុចលើជម្រើសមួយនៅលើម៉ឺនុយខាងឆ្វេង។
៤.១.១. ទាញយកសំណុំរងដោយផ្អែកលើតម្រង
ផ្នែកនេះអនុញ្ញាតឱ្យទទួលបានសំណុំរងតូចមួយនៃសំណុំទិន្នន័យដើមដោយផ្អែកលើតម្រងដែលបានផ្តល់ឱ្យ។ ជ្រើសរើសតម្លៃដែលអ្នកចង់បាននៅក្នុងសំណុំរង ហើយបន្ទាប់មកជ្រើសរើសជួរឈរដែលអ្នកចង់បង្ហាញនៅក្នុងសំណុំទិន្នន័យចុងក្រោយ។
៤.១.២. ត្រឡប់លទ្ធផលដែលបានតម្រៀប
វាត្រឡប់សំណុំទិន្នន័យក្នុងទម្រង់ដែលបានតម្រៀប។ ជ្រើសរើសជួរឈរគោលដៅ តម្រៀបលំដាប់ ចំនួនជួរដេកដែលត្រូវត្រឡប់ និងជួរឈរណាដែលត្រូវបង្ហាញក្នុងលទ្ធផលចុងក្រោយ។
៤.១.៣. ពង្រីកសំណុំទិន្នន័យ
វាអនុញ្ញាតឱ្យអ្នកប្រើពង្រីកជួរឈរឯកវចនៈដែលរក្សាទុកជាវចនានុក្រមទៅក្នុងតារាងជាក់ស្តែងដែលអ្នកប្រើប្រាស់អាចរៀបចំបាន។ វាយកសំណុំទិន្នន័យដែលបានដាក់ជាប់គ្នា ហើយផ្លាស់ទីអ្វីដែលតម្រូវដោយអ្នកប្រើប្រាស់ទៅក្នុងស្រទាប់កំពូលបំផុត។ ដំបូង ផ្ទុកឡើងសំណុំទិន្នន័យដែលរួមបញ្ចូលជួរឈរដែលមានសំណុំទិន្នន័យដែលបានដាក់។ ប្រសិនបើជួរឈរដែលត្រូវការការពង្រីកត្រូវបានរកឃើញដោយស្វ័យប្រវត្តិ សូមជ្រើសរើសជួរឈរណាមួយដែលត្រូវពង្រីក និងជួរឈរណាមួយដែលត្រូវស្រង់ចេញពីព័ត៌មានដែលបានដាក់។ ចុចដាក់ស្នើហើយអ្នកអាច view ព័ត៌មានរបស់អ្នកជាជួរឈរនៃតារាងជំនួសឱ្យទិន្នន័យដែលបានដាក់។
4.2. បញ្ចូលគ្នា Files
តាមរយៈការជ្រើសរើស និងផ្ទុកឡើងសំណុំទិន្នន័យច្រើនដោយការចុច ctrl (ពាក្យបញ្ជាសម្រាប់ mac) វានឹងបញ្ចូលពួកវាទៅក្នុងសំណុំទិន្នន័យធំជាងមួយដែលត្រូវបានប្រើសម្រាប់អ្វីផ្សេងទៀត។
គ្រាន់តែជ្រើសរើសសំណុំទិន្នន័យទាំងអស់ ហើយបំពេញព័ត៌មានដែលត្រូវការ។ វានឹងរក្សាទុកសំណុំទិន្នន័យថ្មីទៅក្នុងកម្មវិធី iMed ហើយបន្ទាប់មកអាចទាញយកបាន។
៤.៣. មុខងារគ្រោង
ផ្នែកនេះអនុញ្ញាតឱ្យអ្នកប្រើគ្រោងសំណុំទិន្នន័យរបស់ពួកគេ។ ជ្រើសរើសជម្រើសមួយក្នុងចំណោមជម្រើសនៅលើម៉ឺនុយខាងឆ្វេងដៃហើយបន្ទាប់មកបំពេញក្នុងវាលដែលត្រូវការដើម្បីទទួលបានគ្រោងរបស់អ្នក។ ខាងក្រោមនេះជាប្រភេទដីដែលអ្នកអាចធ្វើបានពីទិន្នន័យរបស់អ្នក៖
៤.៤. ការវិភាគស្ថិតិ
ផ្នែកនេះអនុញ្ញាតឱ្យយើងដំណើរការការធ្វើតេស្តស្ថិតិលើសំណុំទិន្នន័យរបស់យើង។ ជ្រើសរើសការធ្វើតេស្តដើម្បីដំណើរការពីម៉ឺនុយខាងឆ្វេង ហើយបំពេញក្នុងវាលដើម្បីដំណើរការការធ្វើតេស្ត។ ខាងក្រោមនេះជាប្រភេទនៃការធ្វើតេស្តដែលមាន៖
ODPAC
៥.១. រៀន
ទំព័រនេះរួមបញ្ចូលការពិពណ៌នាសង្ខេបនៃប្រភេទធនធាននីមួយៗដែលមាននៅលើទំព័រនេះ។ ការចុចប៊ូតុងនៅផ្នែកខាងលើនៃផ្នែកនីមួយៗនឹងភ្ជាប់ទៅទំព័រផ្សេងទៀតដែលអនុញ្ញាតឱ្យអ្នកប្រើប្រាស់ប្រើប្រាស់ ឬស្វែងយល់បន្ថែមអំពីប្រធានបទនេះ។
៥.១.១. Epistasis
ទំព័រនេះអនុញ្ញាតឱ្យយើងប្រើ MBS ដែលជាក្បួនដោះស្រាយស្វែងរកដើម្បីរៀនពីទិន្នន័យ។ ជាពិសេស វាអនុញ្ញាតឱ្យយើងសិក្សា epistasis ដែលជាអន្តរកម្មរវាងហ្សែនពីរឬច្រើនដែលប៉ះពាល់ដល់ phenotype ។ វាមានប្រយោជន៍សម្រាប់អ្នកជំនាញfile ជំងឺនៅក្នុងផ្នែកហ្សែន។ វិធីសាស្រ្តសាមញ្ញមិនស័ក្តិសមក្នុងការដោះស្រាយទិន្នន័យវិមាត្រខ្ពស់ដែលត្រូវបានរកឃើញនៅក្នុងការសិក្សាអំពីសមាគមជុំវិញហ្សែន (GWAS) ទេ។ ក្បួនដោះស្រាយ Multiple Beam Search (MBS) អនុញ្ញាតឱ្យរកឃើញហ្សែនអន្តរកម្មក្នុងអត្រាលឿនជាងមុន។ ផ្ទុកឡើងទិន្នន័យដែលអ្នកចង់ប្រើ ហើយបន្ទាប់មកបញ្ចូលវាលដែលត្រូវការ។ សម្រាប់ព័ត៌មានស៊ីជម្រៅបន្ថែមទៀត សូមស្វែងរកក្រដាសពេញលេញនៅទីនេះ។
5.1.2. កត្តាហានិភ័យ
ទំព័រនេះអនុញ្ញាតឱ្យយើងប្រើកញ្ចប់ IGain ដើម្បីស្វែងយល់ពីអន្តរកម្មរវាងទិន្នន័យ។ វាសិក្សាជាពិសេសពីអន្តរកម្មពីទិន្នន័យវិមាត្រខ្ពស់ដោយប្រើការស្វែងរកតាមបែបសតិអារម្មណ៍។ វិធីសាស្រ្តនេះបង្កើតនៅលើវិធីសាស្ត្រ Exhaustive_IGain ដែលបានបង្កើតឡើងពីមុនដើម្បីរៀនអន្តរកម្មពីទិន្នន័យកម្រិតទាប។ ផ្ទុកឡើងទិន្នន័យហើយបន្ទាប់មកបញ្ចូលវាលដែលត្រូវការ។ ព័ត៌មានបន្ថែមអំពីកម្រិត IS និង iGain អាចរកបាននៅទីនេះ។
៥.១.៣. គំរូទស្សន៍ទាយ
ផ្នែកនេះអនុញ្ញាតឱ្យប្រើគំរូទស្សន៍ទាយដែលបានបង្កើតរួចជាស្រេចនៅលើកំពូលនៃម៉ូដែលរៀនម៉ាស៊ីន ដើម្បីពន្លឿនការប្រើប្រាស់របស់វា។ នេះអនុញ្ញាតឱ្យការប្រើប្រាស់របស់ពួកគេដោយមិនប្រើការសរសេរកូដ និងបទពិសោធន៍ពីមុនដើម្បីទស្សន៍ទាយគំរូដោយប្រើសំណុំទិន្នន័យផ្ទាល់ខ្លួនរបស់ពួកគេ។ មានគំរូទស្សន៍ទាយជាច្រើនដែលមានសម្រាប់អ្នកប្រើប្រាស់ រួមមាន Logistic, Regression, Support Vector Machines (SVMs), Decision Trees និងជាច្រើនទៀត។ បញ្ជីពេញលេញនៃវិធីសាស្រ្តទស្សន៍ទាយត្រូវបានរកឃើញនៅជ្រុងខាងស្តាំនៃទំព័រនៅទីនេះ។
5.2. ការទស្សន៍ទាយ
ផ្នែកនេះអនុញ្ញាតឱ្យមានការព្យាករណ៍ពីគំរូដែលបានចែករំលែកដែលបានបង្ហោះពីមុន។ ជាដំបូងបង្ហោះគំរូដែលបានចែករំលែក ប្រសិនបើមិនទាន់បានធ្វើរួចហើយ។ បន្ទាប់មកជ្រើសរើសម៉ូដែលដែលត្រូវប្រើសម្រាប់ការទស្សន៍ទាយដោយចុចលើឈ្មោះម៉ូដែល។ បន្ទាប់មកផ្ទុកទិន្នន័យសម្រាប់គំរូព្យាករណ៍ដែលត្រូវប្រើ។ នេះអាចត្រូវបានធ្វើដោយដៃដោយប្រើទម្រង់នៅខាងក្រោមទំព័រ ឬប្រើគំរូដែលមានសម្រាប់ទាញយក។ ប្រសិនបើប្រើគំរូ សូមបង្ហោះសំណុំទិន្នន័យ file ហើយចុចបញ្ជូន ដើម្បីទទួលបានការទស្សន៍ទាយគំរូ។
៥.៣. ការគាំទ្រការសម្រេចចិត្ត
ការគាំទ្រការសម្រេចចិត្តផ្តល់នូវការចាត់ថ្នាក់ និងអាចណែនាំជម្រើសនៃការព្យាបាលពីព័ត៌មានដែលបានផ្គត់ផ្គង់ដល់ប្រព័ន្ធ។ វាត្រូវបានបណ្តុះបណ្តាលពីទិន្នន័យដើម្បីណែនាំពីនីតិវិធីព្យាបាលដ៏ល្អប្រសើរដោយផ្អែកលើលក្ខណៈពិសេសរបស់អ្នកជំងឺ។ ព័ត៌មានបន្ថែមទាក់ទងនឹងប្រព័ន្ធគាំទ្រការសម្រេចចិត្តខាងគ្លីនិក (CDSS) អាចរកបាននៅទីនេះ។
ការណែនាំប្រព័ន្ធយកលក្ខណៈពិសេសរបស់អ្នកជំងឺ និងណែនាំពីនីតិវិធីព្យាបាល និងព្យាករណ៍ពីប្រូបាប៊ីលីតេនៃការរីករាលដាលនៃ 5 ឆ្នាំ។ អន្តរាគមន៍របស់អ្នកប្រើយកទាំងលក្ខណៈពិសេសរបស់អ្នកជំងឺ និងនីតិវិធីព្យាបាលដើម្បីទស្សន៍ទាយប្រូបាប៊ីលីតេនាពេលអនាគតនៃ 5 ឆ្នាំ metastasis ដោយផ្អែកលើការព្យាបាលបច្ចុប្បន្នជំនួសឱ្យការព្យាបាលដ៏ល្អប្រសើរ។
MBIL
Markov Blanket and Interactive Risk Factor Learner (MBIL) គឺជាក្បួនដោះស្រាយដែលសិក្សាពីកត្តាហានិភ័យតែមួយ និងអន្តរកម្មដែលមានឥទ្ធិពលផ្ទាល់ទៅលើលទ្ធផលរបស់អ្នកជំងឺ។ ចុច "ចូលទៅកាន់ MBIL" ដើម្បីបញ្ជូនបន្តទៅកាន់ Python Package Index (PyPI) សម្រាប់កញ្ចប់ MBIL ដែលមានទីតាំងនៅទីនេះ។ ព័ត៌មានបន្ថែមអំពី MBIL អាចរកបាននៅ BMC Bioinformatics ។
សំណុំទិន្នន័យ
ផ្នែកនេះអនុញ្ញាតឱ្យអ្នកប្រើមើលឃើញ និងផ្ទុកឡើងនូវសំណុំទិន្នន័យថ្មីទៅកាន់ផ្នែក web កម្មវិធី។
៧.១. មើលសំណុំទិន្នន័យទាំងអស់ដែលមាន
ដើម្បីមើលសំណុំទិន្នន័យទាំងអស់ដែលមាន សូមចុច "បង្ហាញសំណុំទិន្នន័យដែលមាន"។
៧.២. អាប់ឡូតសំណុំទិន្នន័យ
ដើម្បីផ្ទុកឡើងសំណុំទិន្នន័យ សូមចុច "ចែករំលែកសំណុំទិន្នន័យរបស់អ្នក" ហើយបន្ទាប់មកបំពេញព័ត៌មានដែលត្រូវការដូចមានចែងនៅលើ webទំព័រ។ ដំបូង ផ្ទុកឡើងសំណុំទិន្នន័យ ហើយបំពេញវាលដែលត្រូវការ។
បន្ទាប់មក បំពេញក្នុងវាលខាងក្រោម ឬបង្ហោះអត្ថបទ file ជាមួយនឹងព័ត៌មានដែលបានបំពេញ។ ឧample នៃរបៀបរៀបចំព័ត៌មានដើម្បីឱ្យកម្មវិធីអាចយល់វាបានត្រូវបានផ្តល់ឱ្យខាងក្រោម។
ម៉ូដែល
ផ្នែកនេះអនុញ្ញាតឱ្យអ្នកប្រើមើលឃើញគំរូដែលមានសម្រាប់ពួកគេ និងចែករំលែកគំរូមួយ។
៨.១. មើលម៉ូដែលទាំងអស់ដែលមាន
ដើម្បីមើលម៉ូដែលទាំងអស់ដែលមាន សូមចុច "បង្ហាញម៉ូដែលដែលមាន"។
៨.២. ចែករំលែកគំរូមួយ។
ដើម្បីចែករំលែកគំរូមួយ ចុចលើ "ចែករំលែកគំរូរបស់អ្នក" ហើយបន្ទាប់មកផ្ទុកឡើងគំរូមួយ។ file បណ្តុះបណ្តាលដោយលំហូរ tensor ឬ PyTorch ។
៨.២.១. សំណុំទិន្នន័យពាក់ព័ន្ធ
បន្ទាប់មក អ្នកគួរផ្ទុកឡើងនូវសំណុំទិន្នន័យដែលពាក់ព័ន្ធ ដែលរួមមានបឋមកថា។ ថ្នាក់/ស្លាកសម្រាប់សំណុំទិន្នន័យគួរតែស្ថិតនៅក្នុងជួរចុងក្រោយ។
៨.២.២. ការទស្សន៍ទាយនិងព័ត៌មានថ្នាក់
ប្រសិនបើសំណុំទិន្នន័យរួមបញ្ចូលលក្ខណៈពិសេសទាំងអស់ ទម្រង់មុខងារអាចត្រូវបានរំលងបន្ទាប់ពីផ្ទុកឡើងសំណុំទិន្នន័យ។ ទោះយ៉ាងណាក៏ដោយ ប្រសិនបើពួកគេមិនត្រូវបានរាប់បញ្ចូលទាំងអស់នោះ ព័ត៌មាននេះត្រូវតែផ្តល់នៅក្នុងការពិពណ៌នា file ឬនៅក្នុងទម្រង់មុខងារ។ ជ្រើសរើសជម្រើសពីបញ្ជីទម្លាក់ចុះដែលបង្ហាញពីរបៀបដែលអ្នកមានបំណងផ្តល់ការព្យាករណ៍ និងព័ត៌មានថ្នាក់។
ប្រសិនបើប្រើជម្រើសពិពណ៌នា អ្នកអាចបំពេញក្នុងវាល ឬបង្ហោះអត្ថបទ file ជាមួយនឹងព័ត៌មានដែលបានបំពេញ។ ឧampអំពីរបៀបរៀបចំព័ត៌មានត្រូវបានផ្តល់ឱ្យខាងក្រោម។
ឯកសារ/ធនធាន
 |
កម្មវិធី iMed Web ការដាក់ពាក្យ [pdf] សៀវភៅណែនាំអ្នកប្រើប្រាស់ iMed, iMed Web កម្មវិធី, Web ការដាក់ពាក្យ |