医学和生信web APP 平台- Appmatrix（含会员账号）

医学AppMatrix

已于 2025-02-19 10:54:13 修改

阅读量1.2k

点赞数 25

CC 4.0 BY-SA版权

分类专栏：预测模型构建和评价 appmatrix 会员频道文章标签： web app 机器学习 r语言服务器

于 2024-10-15 22:11:19 首次发布

本文链接：https://blog.csdn.net/skyskytotop/article/details/142898266

预测模型构建和评价同时被 2 个专栏收录

91 篇文章

订阅专栏

appmatrix 会员频道

2 篇文章

订阅专栏

医学（和生信）web APP 平台- Appmatrix

测试账号：用户名test，密码tset，可访问部分APP
订阅专栏（文章后有用户名和密码）可以查看所有的APP，并可索取APP源代码（每人限3个），以及使用预测模型的API（目前2个）

appmatrix使用shinyproxy将平时所构建的shiny和streamlit医学类应用汇集在一起，实现一站式访问，另外，使用了自己电脑+内网穿透，一定程度上缓解了数据分析类APP消耗计算资源较大的问题。目前仍然有些不够完善，比如登陆后不能成功跳转，需要手动再输入一次网址才能跳转到主页面，但是基本功能都初步能够实现。

以后努力的方向是构建一个医学（和生信）的web APP平台，实现医学类web APP的一站式访问，成为一个探讨包括医学预测模型等在内的各种web APP的交流平台。目前仅收录了个人的制作的一些APP见附件。
在这里插入图片描述
访问地址：appmatrix.cpolar.top, 以后不排除通过自定义的网络地址访问。

平台服务内容：

APP订阅：访问更多的APP，部分免费的APP在一定时间后会专为订阅APP；
部署APP，将用户APP部署在shinyproxy和宝塔面板服务器上，实现外网访问，支持shiny,streamlit 和fastapi，不支持gradio
APP制作技术咨询，streamlit，shiny，gradio和fastapi制作和部署

附：目前平台收录的APP

名称：L3 CT 肌体组成检测描述：使用L3腰椎的CT图片估计全身皮下脂肪、骨骼肌和内脏脂肪的面积，以一千以上CT训练的注意力机制增强的Unet神经网络为核心，构建了群体分析、系列分析、一致性检验和人工检查等四个模块，可以为相关研究收集参数。

名称：食管癌远处转移PET/C筛查模型-一个预测模型APP样板（免费）描述：使用SEER数据训练的堆叠聚合模型（逻辑回归+xgboost）预测食管癌远处转移的概率，DCA确定决策阈值（后续临床措施为PET/CT检查，），两者形成预测模型辅助的临床决策系统，
用于为PET/CT检查筛选高危人群，达到节省费用和提高PET/CT检查阳性率的目的。

名称：变量间关系分析（非COX版）描述：使用Boruta筛选变量+计算SHAP值+立方样条分析，某变量的SHAP值可以反映该变量对结局变量的贡献，对SHAP值的分析可以在传统变量间关系分析的基础上，提供不一样的视角，且因为SHAP计算的是边际贡献，可以得到一个关键点（SHAP值=0）代表改变量对结局变量贡献方向的变化，比如从良好结局转为恶性结局。

名称：变量间关系分析（COX版）描述：使用Boruta筛选变量+计算SHAP值+立方样条分析，某变量的SHAP值可以反映该变量对结局变量的贡献，对SHAP值的分析可以在传统变量间关系分析的基础上，提供不一样的视角，且因为SHAP计算的是边际贡献，可以得到一个关键点（SHAP值=0）代表改变量对结局变量贡献方向的变化，比如从良好结局转为恶性结局。

名称：xgboost超参数调节+后概率校准演示描述：“辅助临床决策”是目前预测模型的临床定位，其中的一种模式是预测模型提供预测概率，而使用者提供决策阈值，两者共同组成辅助临床决策系统，后概率校准就是改善预测概率的一种措施。本APP使用tidymodels包中提供了两种概率校准的方法实现对客户提供数据的校准。

临床决策曲线分析（DCA）决定决策阈值描述：预测概率搭配决策阈值是实现“辅助临床决策”的主要形式之一，而使用DCA产生的决策阈值是目前最推荐的方法，该APP演示DCA如何决定决策阈值。

用quantreg包实现分位数回归描述：对于医学小样本来说，中位数回归可能是比平均数回归更好的选择，即更好地拟合数据和预测新的数据。本APP演示quantreg包对分位数回归的实现，可以用到变量间相关性分析（SHAP值法）的分析过程中。

streamlit+ mongoDB构建数据输入/调查问卷 APP 为医学研究中收集单中心或多中心收集数据提供了简单便宜的方式。streamlit构建用户界面用于数据输入，而MongoDB则用于云端存储数据，任何时间地点，只要是登陆APP即可实现数据的录入和存储。在数据收集完成之后，还可以作为队列展示的网站，展示队列的研究成果。

streamlit+plotly 构建空气质量监测仪表盘描述：仪表盘是web APP的重要类型之一，尝试用ploty展示空气质量监测的仪表盘。

AI辅助统计分析描述：大语言模型（LLM）+python统计分析API，使用LLM理解用户意图，做出分析规划和形成分析报告，让复杂的分析流程不再困难。目前支持重复测量的方差分析、方差分析、2分组的检验（t和u等）以及逻辑（线性）回归。

精准化糖尿病预测问答系统描述： LLM+ 糖尿病COX机器学习API，临床预测模型的另外一种展示形式，使用API获取精准的，可重复的预测结果，使用LLM对结果进行解释，并提供个性化的诊疗建议。

一个数据预处理的APP 描述：使用Python代码构建的过滤器、编码器和缺失值处理等功能，主要是对列的处理。

荧光图片处理APP 描述：收纳了转换、合并通道颜色等常规操作