未经许可请勿转载。
Please do not reprint this article without permission.
NEURO-LEARN是什么？
NEURO-LEARN是一个神经影像数据协同模式分析解决方案。通过数据和工作流共享，帮助神经科学家解决神经影像数据模式分析的高维和低样本问题。
开始之前
- 尽管NEURO-LEARN为神经影像特征数据的模式分析提供了一个易于使用的平台，但我们希望您对机器学习技术的作用以及如何使用它们有基本的了解；
- NEURO-LEARN的网页应用程序是在Linux平台上开发和测试的，因此我们建议您也通过Ubuntu设备访问它。但是，欢迎您在其他系统的设备上使用，并告知我们您在使用过程中遇到的任何问题；
- 同时，NEURO-LEARN支持本地快速容器化部署，因此我们推荐您使用Docker技术将NEURO-LEARN部署在您的服务器；
- 在使用NEURO-LEARN作为神经影像数据模式分析解决方案之前，我们强烈建议您阅读我们的论文，以便您对我们的解决方案进行深入的了解；
- 在浏览器地址栏输入https://raniac.github.io/neuro-learn-website/即可访问云端部署的NEURO-LEARN！
注1：访问云端部署的NL前，需要配置本地hosts域名解析（
120.79.49.129 api.neurolearn.com），以便调用相关接口，具体可参考：如何修改hosts文件？
注2：由于NL后端接口暂不支持https伺服，因此需要关闭浏览器的安全检查。
- Chrome浏览器：点击地址栏左侧锁图标，选择Site Settings，然后将Insecure content选项改为Allow；
- Firefox浏览器：点击地址栏左侧锁图标，并点击Disable protection for now。
加入项目
数据和工作流都是以项目为单位进行管理，因此用户可以加入不同的项目以上传和管理数据。
Projects Overview
点击Profile即可查看、加入和退出项目。
Join Projects
准备数据
我们的样例项目采用了DPABI作为结构与功能磁共振数据特征计算工具，您可以参考DPABI/DPARSF Course。工作流文档、数据模板和数据整合工具等都可以从项目页面下载。
上传数据
整合好的特征数据可以一键上传。
Upload Data
新建任务
新建一个机器学习任务需要配置的参数包括：
- 任务名称 task name；
- 任务类型 task type；
- 项目名称 project name；
- 训练数据 train data；
- 数据标签 label；
- 特征选择 feature selection；
- 模型选择 estimator；
- 交叉验证 CV type；
- 测试数据 test data（可选）。
New Task
查看报告
查看报告的方式有以下三种：
-
在message图标下拉菜单中点击最近任务进行查看；
Messages 或直接点击message图标进入任务统计页面，在这里可以查看历史任务统计和最近任务；
Analysis Overview
- 或点击SHOW ALL查看全部任务，NEURO-LEARN支持多选任务查看以及搜索历史任务。
Submissions
点击任务后即可进入Viewer页面，其中包含了用以评估任务/模型性能的图表。
Viewer
ISSUES
- 如Projects/Overview中的TEST项目无法加载图片，参考GitHub 的图片显示不出来 ：解决GitHub的raw.githubusercontent.com无法连接问题，原因：无法解析IP地址；
