iMed olumulo Afowoyi
Ọrọ Iṣaaju
1.1. Idi
Idi ti eyi web Ohun elo ni lati mu alaye aise ati gba ifọwọyi ni ọna ti o fun awọn abajade iwulo ni ṣiṣe ipinnu. Eyi le jẹ ikẹkọ awoṣe pẹlu data aise tabi asọtẹlẹ abajade nipa lilo awọn awoṣe ati itupalẹ.
1.2. Akojọ aṣyn lilọ kiri
Akojọ aṣayan lilọ kiri lori oke oju-iwe naa ni gbogbo awọn ọna asopọ mu lati de ibi ti o nilo lati wa. Ti o ba padanu lailai, o le tẹ itọka ẹhin nigbagbogbo lati lọ si oju-iwe ti o faramọ, pada si ile, tabi wa oju-iwe ti o n wa laarin akojọ aṣayan lilọ kiri.
1.3. Iroyin
Ti o ko ba ti ni akọọlẹ tẹlẹ, o gbọdọ forukọsilẹ lati lo ohun elo naa. Lati ṣe bẹ, tẹ bọtini akọọlẹ ni apa ọtun oke ki o tẹ forukọsilẹ. Lẹhinna tẹ orukọ olumulo rẹ, ọrọ igbaniwọle, ati imeeli lati tẹsiwaju.
Ti o ba ti ni akọọlẹ tẹlẹ, wọle pẹlu orukọ olumulo ati ọrọ igbaniwọle rẹ.
Oju-iwe Ile
Nipa tite lori awọn ohun ti o wa ni apa osi ti oju-iwe naa, apejuwe ti ọkọọkan yoo han ni aarin oju-iwe naa lati ṣe iranlọwọ fun ọ lati loye ohun ti ọkọọkan ṣe.
iMedBot
Ohun elo iMedBot ṣafihan wiwo kan ti o ṣe agbero ibaraenisepo olumulo rọrun pẹlu awọn aṣoju, ṣiṣe asọtẹlẹ ti ara ẹni ati ikẹkọ awoṣe. O ṣiṣẹ bi igbesẹ akọkọ si ọna iyipada awọn abajade ti iwadii ikẹkọ jinlẹ sinu ohun elo ori ayelujara, eyiti o ni agbara lati tan ina awọn ilepa iwadii afikun ni agbegbe yii. Awọn oniwe-olumulo Afowoyi le ṣee ri nibi.
Data onínọmbà
4.1. Gba Awọn ipin-iṣẹ pada
Abala yii jẹ ki olumulo ṣatunkọ awọn iwe data wọn. O le yan lati gbejade data titun kan tabi lo eyi ti o wa lati inu akojọ aṣayan-silẹ.
Ni kete ti a ti gbe data data silẹ, o le yan iru igbese ti iwọ yoo fẹ lati ṣe nipa titẹ ọkan ninu awọn aṣayan ni apa osi.
4.1.1. Mu Awọn Apoti pada Da lori Awọn Ajọ
Abala yii ngbanilaaye gbigba ipin kekere ti ipilẹ data atilẹba ti o da lori awọn asẹ ti a fun. Yan awọn iye ti o fẹ ninu ipin ati lẹhinna yan awọn ọwọn ti o fẹ han ninu dataset ikẹhin.
4.1.2. Pada Awọn abajade To lẹsẹsẹ
Eyi da ipilẹ data pada ni fọọmu tito lẹsẹsẹ. Yan ọwọn ibi-afẹde, aṣẹ tito lẹsẹsẹ, nọmba awọn ori ila lati pada, ati awọn ọwọn wo ni lati ṣafihan ninu iṣelọpọ ikẹhin.
4.1.3. Faagun Dataset
Eyi n gba olumulo laaye lati faagun ọwọn ẹyọkan ti o fipamọ bi iwe-itumọ sinu tabili gangan ti olumulo le ṣe afọwọyi. O gba iwe-ipamọ ti itẹ-ẹiyẹ kan ati gbe ohun ti olumulo nilo sinu ipele oke-julọ. Lákọ̀ọ́kọ́, ìrùsókè ẹ̀rọ ìsokọ́ra kan tí ó ní ọwọ̀n pẹ̀lú ìsokọ́ data onítẹ́ẹ́lì kan. Ti o ba ti rii ọwọn ti o nilo isunmọ laifọwọyi, yan iru ọwọn lati faagun ati awọn ọwọn wo lati jade lati alaye itẹ-ẹiyẹ. Tẹ fi silẹ ati pe o le view alaye rẹ bi awọn ọwọn ti tabili dipo data itẹ-ẹiyẹ.
4.2. Darapọ Files
Nipa yiyan ati ikojọpọ awọn iwe data lọpọlọpọ nipasẹ titẹ ctrl (aṣẹ fun mac), eyi yoo dapọ wọn sinu dataset nla kan ju lilo fun nkan miiran.
O kan yan gbogbo awọn iwe data ki o kun alaye ti o nilo. Eyi yoo ṣafipamọ data titun naa si ohun elo iMed ati pe lẹhinna wa fun igbasilẹ.
4.3. Idite Awọn iṣẹ
Abala yii n gba olumulo laaye lati ṣagbero ipilẹ data wọn. Yan ọkan ninu awọn aṣayan lori akojọ aṣayan apa osi ati lẹhinna fọwọsi awọn aaye ti a beere lati gba idite rẹ. Ni isalẹ wa awọn iru awọn igbero ti o le ṣe lati inu data rẹ:
4.4. Iṣiro Iṣiro
Abala yii n jẹ ki a ṣiṣẹ awọn idanwo iṣiro lori ipilẹ data wa. Yan idanwo lati ṣiṣe lati akojọ aṣayan ẹgbẹ osi ati fọwọsi awọn aaye lati ṣiṣe awọn idanwo naa. Ni isalẹ wa awọn iru awọn idanwo ti o wa:
ODPAC
5.1. Kọ ẹkọ
Oju-iwe yii pẹlu apejuwe kukuru ti iru orisun kọọkan ti o wa lori oju-iwe yii. Tite bọtini ni oke ti apakan kọọkan yoo sopọ si oju-iwe miiran gbigba olumulo laaye lati lo tabi kọ ẹkọ diẹ sii nipa koko naa.
5.1.1. Epistasis
Oju-iwe yii jẹ ki a lo MBS, algorithm wiwa lati kọ ẹkọ lati data. Ni pato, o gba wa laaye lati ṣe iwadi epistasis, ibaraenisepo laarin awọn jiini meji tabi diẹ sii ti o ni ipa lori phenotype. Eyi wulo fun profile awọn arun ni abala jiini. Awọn ọna ti aṣa ko baamu lati mu data iwọn-giga ti a rii ni awọn ikẹkọ ẹgbẹ-ara-jakejado (GWAS). Alugoridimu Multiple Beam Search (MBS) ngbanilaaye wiwa awọn jiini ibaraenisepo ni oṣuwọn yiyara pupọ. Ṣe agbejade data ti o fẹ lo ati lẹhinna tẹ awọn aaye ti o nilo wọle. Fun alaye diẹ sii ni ijinle, wa iwe kikun Nibi.
5.1.2. Awọn Okunfa Ewu
Oju-iwe yii jẹ ki a lo package IGain lati kọ ẹkọ awọn ibaraenisepo laarin data. O kọ ẹkọ ni pataki awọn ibaraẹnisọrọ lati data iwọn-giga nipa lilo wiwa heuristic kan. Ọna yii ṣe agbero lori ọna Exhaustive_IGain ni iṣaaju ni idagbasoke lati kọ ẹkọ awọn ibaraẹnisọrọ lati data iwọn-kekere. Ṣe igbasilẹ data naa lẹhinna tẹ awọn aaye ti a beere sii. Alaye diẹ sii nipa awọn ipilẹ IS ati iGain ni a le rii Nibi.
5.1.3. Awọn awoṣe asọtẹlẹ
Abala yii ngbanilaaye lilo awọn awoṣe asọtẹlẹ tẹlẹ ti a ti kọ tẹlẹ lori oke awọn awoṣe ikẹkọ ẹrọ lati mu lilo rẹ pọ si. Eyi ngbanilaaye lilo wọn laisi lilo ifaminsi ati iriri iṣaaju lati ṣe asọtẹlẹ awọn awoṣe nipa lilo iwe data tiwọn. Awọn awoṣe asọtẹlẹ lọpọlọpọ wa si olumulo pẹlu Logistic, Regression, Support Vector Machines (SVMs), Awọn igi Ipinnu, ati ọpọlọpọ diẹ sii. Atokọ kikun ti awọn ọna asọtẹlẹ ni a rii ni apa ọtun ti oju-iwe nibi.
5.2. Asọtẹlẹ
Abala yii ngbanilaaye awọn asọtẹlẹ lati inu awoṣe pínpín ti a gbejade tẹlẹ. Ni akọkọ gbejade awoṣe pinpin ti ko ba ṣe bẹ tẹlẹ. Lẹhinna yan awoṣe lati lo fun asọtẹlẹ nipa titẹ orukọ awoṣe. Lẹhinna gbe data naa fun awoṣe asọtẹlẹ lati lo. Eyi le ṣee ṣe boya pẹlu ọwọ nipa lilo fọọmu ni isalẹ ti oju-iwe tabi lilo awoṣe ti o wa fun igbasilẹ. Ti o ba nlo awoṣe, gbejade dataset file ki o tẹ fi silẹ lati gba asọtẹlẹ awoṣe naa.
5.3. Atilẹyin ipinnu
Atilẹyin ipinnu n pese ipinya ati pe o le ṣe itọsọna awọn yiyan itọju lati alaye ti a pese si eto naa. O ti ni ikẹkọ lati data lati ṣeduro ilana itọju aipe ti o da lori awọn ẹya alaisan kan. Alaye diẹ sii nipa Awọn Eto Atilẹyin Ipinnu Isẹgun (CDSS) ni a le rii Nibi.
Iṣeduro Eto naa gba awọn ẹya alaisan ati ṣeduro ilana itọju ati asọtẹlẹ iṣeeṣe iwaju ti metastasis ọdun 5. Idawọle Olumulo gba awọn ẹya alaisan mejeeji ati ilana itọju lati ṣe asọtẹlẹ iṣeeṣe iwaju ti metastasis ọdun 5 ti o da lori itọju lọwọlọwọ dipo itọju to dara julọ.
MBIL
Markkov Blanket ati Olukọni Factor Factor Interactive Ewu (MBIL) jẹ algorithm kan ti o kọ ẹkọ ẹyọkan ati awọn okunfa eewu ibaraenisepo ti o ni ipa taara lori abajade alaisan kan. Tẹ “lọ si MBIL” lati darí si Atọka Package Python (PyPI) fun package MBIL ti o wa nibi. Alaye diẹ sii nipa MBIL ni a le rii ni BMC Bioinformatics.
Awọn ipilẹ data
Abala yii ngbanilaaye olumulo lati rii ati gbejade awọn ipilẹ data tuntun si awọn web ohun elo.
7.1. Wo Gbogbo Datasets Wa
Lati wo gbogbo awọn ipilẹ data ti o wa, tẹ nirọrun “Fihan Awọn ipilẹ data ti o wa.”
7.2. Po si Dataset kan
Lati po si dataset kan, tẹ “Pinpin Awọn data rẹ” lẹhinna fọwọsi alaye ti o nilo gẹgẹbi a ti sọ lori weboju-iwe. Ni akọkọ, gbejade dataset naa ki o kun awọn aaye ti a beere.
Lẹhinna, fọwọsi awọn aaye ni isalẹ tabi gbejade ọrọ kan file pẹlu awọn alaye kun ni. An exampbi o ṣe le ṣeto alaye naa ki ohun elo le loye rẹ ni a fun ni isalẹ.
Awọn awoṣe
Abala yii gba olumulo laaye lati wo awọn awoṣe ti o wa fun wọn ati pin awoṣe kan.
8.1. Wo Gbogbo Awọn awoṣe Wa
Lati wo gbogbo awọn awoṣe ti o wa, tẹ “Fihan Awọn awoṣe Wa.”
8.2. Pin Awoṣe kan
Lati pin awoṣe kan, tẹ lori “Pinpin Awọn awoṣe Rẹ” lẹhinna gbejade awoṣe kan file oṣiṣẹ nipasẹ sisan tensor tabi PyTorch.
8.2.1. Ti o jọmọ Dataset
O yẹ ki o gbejade data ti o jọmọ eyiti o pẹlu awọn akọle. Kilasi/aami fun ipilẹ data yẹ ki o wa ni iwe ti o kẹhin.
8.2.2. Awọn asọtẹlẹ ati alaye kilasi
Ti o ba ti dataset pẹlu gbogbo awọn ẹya ara ẹrọ, awọn ẹya ara ẹrọ fọọmu le wa ni skipped lẹhin ikojọpọ awọn dataset. Sibẹsibẹ, ti wọn ko ba wa pẹlu gbogbo wọn, alaye yii gbọdọ wa ni pese ni apejuwe file tabi laarin fọọmu ẹya. Yan aṣayan lati isalẹ ti n tọka bi o ṣe pinnu lati pese awọn asọtẹlẹ ati alaye kilasi.
Ti o ba lo aṣayan apejuwe, o le boya fọwọsi awọn aaye tabi gbejade ọrọ kan file pẹlu awọn alaye kun ni. An example ti bi o lati ṣeto awọn alaye ti wa ni fun ni isalẹ.
Awọn iwe aṣẹ / Awọn orisun
 |
Awọn ohun elo iMed Web Ohun elo [pdf] Afowoyi olumulo iMed, iMed Web Ohun elo, Web Ohun elo |