ایپس iMed Web ایپلیکیشن صارف دستی

iMed صارف دستی

تعارف

1.1 مقصد
اس کا مقصد web درخواست کا مقصد خام معلومات لینا ہے اور اسے اس انداز میں استعمال کرنے کی اجازت دینا ہے جو فیصلہ سازی میں مفید نتائج فراہم کرے۔ یہ خام ڈیٹا کے ساتھ ماڈل کو تربیت دینا یا ماڈل اور تجزیہ کا استعمال کرتے ہوئے نتائج کی پیش گوئی کرنا ہو سکتا ہے۔
1.2 نیویگیشنل مینو
صفحہ کے اوپری حصے میں نیویگیشنل مینو تمام لنکس رکھتا ہے جہاں آپ کو پہنچنے کی ضرورت ہے۔ اگر آپ کبھی گم ہو جاتے ہیں، تو آپ ہمیشہ ایک مانوس صفحہ پر جانے کے لیے پچھلے تیر پر کلک کر سکتے ہیں، گھر واپس جا سکتے ہیں، یا نیوی گیشن مینو میں جس صفحہ کی تلاش کر رہے ہیں اسے تلاش کر سکتے ہیں۔
1.3. اکاؤنٹ
اگر آپ کے پاس پہلے سے کوئی اکاؤنٹ نہیں ہے، تو آپ کو درخواست استعمال کرنے کے لیے رجسٹر کرنا ہوگا۔ ایسا کرنے کے لیے، اوپر دائیں جانب اکاؤنٹ بٹن پر کلک کریں اور رجسٹر پر کلک کریں۔ پھر آگے بڑھنے کے لیے اپنا صارف نام، پاس ورڈ اور ای میل درج کریں۔

اگر آپ کے پاس پہلے سے ہی اکاؤنٹ ہے تو اپنے صارف نام اور پاس ورڈ کے ساتھ سائن ان کریں۔

ہوم پیج

صفحہ کے بائیں جانب موجود آئٹمز پر کلک کرنے سے، ہر ایک کی تفصیل صفحہ کے وسط میں ظاہر ہوگی تاکہ آپ کو یہ سمجھنے میں مدد ملے کہ ہر ایک کیا کرتا ہے۔

iMedBot

iMedBot ایپلیکیشن ایک ایسا انٹرفیس پیش کرتی ہے جو ایجنٹوں کے ساتھ صارف کے آسان تعامل کو فروغ دیتا ہے، ذاتی نوعیت کی پیشن گوئی اور ماڈل ٹریننگ کو فعال کرتا ہے۔ یہ گہری سیکھنے کی تحقیق کے نتائج کو ایک آن لائن ٹول میں تبدیل کرنے کی طرف پہلے قدم کے طور پر کام کرتا ہے، جس میں اس ڈومین میں اضافی تحقیقی سرگرمیاں شروع کرنے کی صلاحیت موجود ہے۔ اس کا متعلقہ صارف دستی یہاں پایا جا سکتا ہے۔

ڈیٹا تجزیہ

4.1 ذیلی سیٹ بازیافت کریں۔
یہ سیکشن صارف کو اپنے ڈیٹا سیٹ میں ترمیم کرنے دیتا ہے۔ آپ ڈراپ ڈاؤن مینو سے یا تو نیا ڈیٹا سیٹ اپ لوڈ کرنے کا انتخاب کر سکتے ہیں یا پہلے سے موجود کو استعمال کر سکتے ہیں۔

ڈیٹا سیٹ اپ لوڈ ہونے کے بعد، آپ بائیں جانب کے مینو میں موجود اختیارات میں سے کسی ایک پر کلک کر کے منتخب کر سکتے ہیں کہ آپ کیا کارروائی کرنا چاہتے ہیں۔
4.1.1 فلٹرز کی بنیاد پر ذیلی سیٹ بازیافت کریں۔
یہ سیکشن دیے گئے فلٹرز کی بنیاد پر اصل ڈیٹاسیٹ کا ایک چھوٹا سب سیٹ حاصل کرنے کی اجازت دیتا ہے۔ وہ اقدار منتخب کریں جو آپ سب سیٹ میں چاہتے ہیں اور پھر وہ کالم منتخب کریں جو آپ فائنل ڈیٹاسیٹ میں دکھانا چاہتے ہیں۔

4.1.2 ترتیب شدہ نتائج واپس کریں۔
یہ ڈیٹاسیٹ کو ترتیب شدہ شکل میں لوٹاتا ہے۔ ٹارگٹ کالم کا انتخاب کریں، ترتیب ترتیب دیں، واپس جانے والی قطاروں کی تعداد، اور آخری آؤٹ پٹ میں کون سے کالم دکھائے جائیں۔

4.1.3 ڈیٹا سیٹ کو پھیلائیں۔
یہ صارف کو ایک لغت کے طور پر ذخیرہ شدہ واحد کالم کو ایک حقیقی جدول میں پھیلانے کی اجازت دیتا ہے جسے صارف پھر جوڑ توڑ کر سکتا ہے۔ یہ ایک نیسٹڈ ڈیٹاسیٹ لیتا ہے اور صارف کو مطلوبہ سب سے اوپر کی پرت میں منتقل کرتا ہے۔ سب سے پہلے، ایک ڈیٹاسیٹ اپ لوڈ کریں جس میں نیسٹڈ ڈیٹاسیٹ کے ساتھ ایک کالم شامل ہو۔ اگر ایک کالم جس کو پھیلانے کی ضرورت ہے خود بخود پتہ چل جاتا ہے، تو منتخب کریں کہ کون سا کالم پھیلانا ہے اور کون سے کالم کو نیسٹڈ معلومات سے نکالنا ہے۔ جمع کرائیں پر کلک کریں اور آپ کر سکتے ہیں۔ view آپ کی معلومات نیسٹڈ ڈیٹا کی بجائے ٹیبل کے کالم کے طور پر۔
4.2. ضم کرنا Files
ctrl کلک کر کے متعدد ڈیٹا سیٹس کو منتخب اور اپ لوڈ کرنے سے (میک کے لیے کمانڈ)، یہ انہیں کسی اور چیز کے لیے استعمال کیے جانے کے بجائے ایک بڑے ڈیٹاسیٹ میں ضم کر دے گا۔

بس تمام ڈیٹاسیٹس کو منتخب کریں اور مطلوبہ معلومات بھریں۔ یہ نیا ڈیٹا سیٹ iMed ایپلیکیشن میں محفوظ کرے گا اور پھر ڈاؤن لوڈ کے لیے دستیاب ہوگا۔
4.3 پلاٹ کے افعال
یہ سیکشن صارف کو اپنے ڈیٹاسیٹ کی منصوبہ بندی کرنے دیتا ہے۔ بائیں جانب والے مینو میں سے ایک آپشن کا انتخاب کریں اور پھر اپنا پلاٹ حاصل کرنے کے لیے مطلوبہ فیلڈز کو پُر کریں۔ ذیل میں پلاٹوں کی وہ اقسام ہیں جو آپ اپنے ڈیٹا سے بنا سکتے ہیں۔

4.4 شماریاتی تجزیہ
یہ سیکشن ہمیں اپنے ڈیٹا سیٹ پر شماریاتی ٹیسٹ چلانے دیتا ہے۔ بائیں جانب کے مینو سے چلانے کے لیے ٹیسٹ کا انتخاب کریں اور ٹیسٹ چلانے کے لیے فیلڈز کو پُر کریں۔ ذیل میں دستیاب ٹیسٹ کی اقسام ہیں:

او ڈی پی اے سی

5.1 سیکھیں۔
اس صفحہ میں اس صفحہ پر دستیاب ہر قسم کے وسائل کی مختصر تفصیل شامل ہے۔ ہر سیکشن کے اوپری حصے میں بٹن پر کلک کرنے سے صارف کو موضوع کے بارے میں مزید جاننے یا استعمال کرنے کی اجازت دینے والے دوسرے صفحہ سے لنک ہوجائے گا۔
5.1.1 Epistasis
یہ صفحہ ہمیں ڈیٹا سے سیکھنے کے لیے MBS، ایک سرچ الگورتھم استعمال کرنے دیتا ہے۔ خاص طور پر، یہ ہمیں ایپسٹاسس کا مطالعہ کرنے کی اجازت دیتا ہے، دو یا دو سے زیادہ جینوں کے درمیان تعامل جو فینوٹائپ کو متاثر کرتے ہیں۔ یہ پرو کے لیے مفید ہے۔file جینیاتی پہلو میں بیماریاں۔ جینوم وائیڈ ایسوسی ایشن اسٹڈیز (GWAS) میں پائے جانے والے اعلیٰ جہتی ڈیٹا کو سنبھالنے کے لیے روایتی طریقے موزوں نہیں ہیں۔ ایک سے زیادہ بیم تلاش (MBS) الگورتھم بہت تیز رفتار سے تعامل کرنے والے جینوں کا پتہ لگانے کی اجازت دیتا ہے۔ وہ ڈیٹا اپ لوڈ کریں جسے آپ استعمال کرنا چاہتے ہیں اور پھر مطلوبہ فیلڈز داخل کریں۔ مزید گہرائی سے معلومات کے لیے، مکمل کاغذ یہاں تلاش کریں۔

5.1.2 خطرے کے عوامل
یہ صفحہ ہمیں ڈیٹا کے درمیان تعاملات سیکھنے کے لیے IGain پیکیج کا استعمال کرنے دیتا ہے۔ یہ خاص طور پر ہورسٹک تلاش کا استعمال کرتے ہوئے اعلی جہتی ڈیٹا سے تعاملات سیکھتا ہے۔ یہ طریقہ Exhaustive_IGain طریقہ پر بناتا ہے جو پہلے کم جہتی ڈیٹا سے تعاملات سیکھنے کے لیے تیار کیا گیا تھا۔ ڈیٹا اپ لوڈ کریں اور پھر مطلوبہ فیلڈز داخل کریں۔ IS کی حد اور iGain کے بارے میں مزید معلومات یہاں مل سکتی ہیں۔

5.1.3 پیشن گوئی کے ماڈلز
یہ سیکشن مشین لرننگ ماڈلز کے اوپر پہلے سے بنائے گئے پیشن گوئی ماڈلز کے استعمال کی اجازت دیتا ہے تاکہ اس کے استعمال کو تیز کیا جا سکے۔ یہ ان کے اپنے ڈیٹا سیٹ کا استعمال کرتے ہوئے ماڈلز کی پیشن گوئی کرنے کے لیے کوڈنگ اور پیشگی تجربے کے بغیر ان کے استعمال کی اجازت دیتا ہے۔ لاجسٹک، ریگریشن، سپورٹ ویکٹر مشینیں (SVMs)، فیصلہ کرنے والے درخت، اور بہت کچھ سمیت متعدد پیشین گوئی ماڈلز صارف کے لیے دستیاب ہیں۔ پیشین گوئی کے طریقوں کی مکمل فہرست صفحہ کے دائیں جانب یہاں موجود ہے۔
5.2. پیشین گوئی
یہ سیکشن پہلے اپ لوڈ کردہ مشترکہ ماڈل سے پیشین گوئیوں کی اجازت دیتا ہے۔ پہلے مشترکہ ماڈل اپ لوڈ کریں اگر ایسا پہلے سے نہیں کیا گیا ہے۔ پھر ماڈل کے نام پر کلک کرکے پیشین گوئی کے لیے استعمال کرنے کے لیے ماڈل کا انتخاب کریں۔ پھر استعمال کرنے کے لیے پیشن گوئی ماڈل کے لیے ڈیٹا اپ لوڈ کریں۔ یہ یا تو دستی طور پر صفحہ کے نیچے فارم کا استعمال کرتے ہوئے یا ڈاؤن لوڈ کے لیے دستیاب ٹیمپلیٹ کا استعمال کرتے ہوئے کیا جا سکتا ہے۔ اگر ٹیمپلیٹ استعمال کر رہے ہیں تو ڈیٹا سیٹ اپ لوڈ کریں۔ file اور ماڈل کی پیشن گوئی حاصل کرنے کے لیے جمع کروائیں پر کلک کریں۔
5.3 فیصلے کی حمایت
فیصلہ معاونت درجہ بندی فراہم کرتی ہے اور نظام کو فراہم کردہ معلومات سے علاج کے انتخاب کی رہنمائی کر سکتی ہے۔ اسے اعداد و شمار سے تربیت دی گئی ہے تاکہ مریض کی خصوصیات کی بنیاد پر علاج کے بہترین طریقہ کار کی سفارش کی جا سکے۔ Clinical Decision Support Systems (CDSS) سے متعلق مزید معلومات یہاں مل سکتی ہیں۔
سسٹم کی سفارش مریض کی خصوصیات لیتی ہے اور علاج کے طریقہ کار کی سفارش کرتی ہے اور مستقبل میں 5 سال کے میٹاسٹیسیس کے امکان کی پیشین گوئی کرتی ہے۔ صارف کی مداخلت زیادہ سے زیادہ علاج کی بجائے موجودہ علاج کی بنیاد پر 5 سالہ میٹاسٹیسیس کے مستقبل کے امکان کی پیشین گوئی کرنے کے لیے مریض کی خصوصیات اور علاج کے طریقہ کار دونوں کو لیتی ہے۔

ایم بی آئی ایل

مارکوف بلینکٹ اینڈ انٹرایکٹو رسک فیکٹر لرنر (MBIL) ایک الگورتھم ہے جو سنگل اور انٹرایکٹو رسک فیکٹرز سیکھتا ہے جن کا مریض کے نتائج پر براہ راست اثر ہوتا ہے۔ یہاں موجود MBIL پیکیج کے لیے Python Package Index (PyPI) پر ری ڈائریکٹ ہونے کے لیے "MBIL پر جائیں" پر کلک کریں۔ ایم بی آئی ایل کے بارے میں مزید معلومات بی ایم سی بایو انفارمیٹکس پر مل سکتی ہیں۔

ڈیٹاسیٹس

یہ سیکشن صارف کو نئے ڈیٹا سیٹس کو دیکھنے اور اپ لوڈ کرنے کی اجازت دیتا ہے۔ web درخواست
7.1 دستیاب تمام ڈیٹاسیٹس دیکھیں
دستیاب تمام ڈیٹاسیٹس کو دیکھنے کے لیے، صرف "دستیاب ڈیٹاسیٹس دکھائیں" پر کلک کریں۔

7.2 ڈیٹا سیٹ اپ لوڈ کریں۔
ڈیٹاسیٹ کو اپ لوڈ کرنے کے لیے، "اپنے ڈیٹا سیٹس کا اشتراک کریں" پر کلک کریں اور پھر مطلوبہ معلومات کو پُر کریں جیسا کہ پر بتایا گیا ہے۔ webصفحہ سب سے پہلے، ڈیٹا سیٹ اپ لوڈ کریں اور مطلوبہ فیلڈز بھریں۔

پھر، نیچے دیے گئے کھیتوں کو پُر کریں یا متن اپ لوڈ کریں۔ file بھری ہوئی معلومات کے ساتھ۔ ایک سابقampمعلومات کو کیسے ترتیب دیا جائے تاکہ درخواست اسے سمجھ سکے ذیل میں دی گئی ہے۔

ماڈلز

یہ سیکشن صارف کو ان کے لیے دستیاب ماڈلز دیکھنے اور ایک ماڈل کا اشتراک کرنے کی اجازت دیتا ہے۔
8.1 دستیاب تمام ماڈلز دیکھیں
تمام دستیاب ماڈلز کو دیکھنے کے لیے، "دستیاب ماڈلز دکھائیں" پر کلک کریں۔

8.2 ایک ماڈل شیئر کریں۔
ماڈل شیئر کرنے کے لیے، "Share Your Models" پر کلک کریں اور پھر ایک ماڈل اپ لوڈ کریں۔ file ٹینسر فلو یا پائ ٹارچ سے تربیت یافتہ۔

8.2.1 متعلقہ ڈیٹا سیٹ
اس کے بعد آپ کو متعلقہ ڈیٹاسیٹ اپ لوڈ کرنا چاہیے جس میں ہیڈر شامل ہیں۔ ڈیٹا سیٹ کے لیے کلاس/لیبل آخری کالم میں ہونا چاہیے۔

8.2.2. پیشن گوئی کرنے والے اور کلاس کی معلومات
اگر ڈیٹا سیٹ میں تمام خصوصیات شامل ہیں، تو ڈیٹا سیٹ اپ لوڈ کرنے کے بعد فیچر فارم کو چھوڑا جا سکتا ہے۔ تاہم، اگر وہ سبھی شامل نہیں ہیں، تو یہ معلومات تفصیل میں فراہم کی جانی چاہیے۔ file یا فیچر فارم کے اندر۔ ڈراپ ڈاؤن سے آپشن کا انتخاب کریں جس سے یہ ظاہر ہوتا ہے کہ آپ پیشین گوئی کرنے والوں اور کلاس کی معلومات کیسے فراہم کرنا چاہتے ہیں۔

اگر تفصیل کا آپشن استعمال کر رہے ہیں، تو آپ یا تو کھیتوں کو پُر کر سکتے ہیں یا متن اپ لوڈ کر سکتے ہیں۔ file بھری ہوئی معلومات کے ساتھ۔ ایک سابقampمعلومات کو منظم کرنے کا طریقہ ذیل میں دیا گیا ہے۔