利用 Transformer 自动识别流式细胞术数据中的细胞群体
定量方法
2022-03-08 v2 机器学习
摘要
急性淋巴细胞白血病（ALL）是儿童和青少年中最常见的血液系统恶性肿瘤。ALL 中一个强有力的预后因素是微小残留病（MRD），即患者体内持续存在的白血病细胞数量。治疗后从多参数流式细胞术（FCM）数据手动评估 MRD 耗时且主观。本工作中，我们提出一种直接从 FCM 数据计算 MRD 值的自动化方法。我们提出一种基于 transformer 架构的新型神经网络方法，学习直接识别样本中的原始细胞（blast cells）。我们以监督方式训练该方法，并在来自三个不同临床中心的公开 ALL FCM 数据上评估。该方法在 519 个 B-ALL 样本上评估时达到约 0.94 的中位 F1 分数，并在 4 个不同数据集上显示出优于现有方法的结果。
引用
@article{arxiv.2108.10072,
title = {Automated Identification of Cell Populations in Flow Cytometry Data with Transformers},
author = {Matthias Wödlinger and Michael Reiter and Lisa Weijler and Margarita Maurer-Granofszky and Angela Schumich and Elisa O. Sajaroff and Stefanie Groeneveld-Krentz and Jorge G. Rossi and Leonid Karawajew and Richard Ratei and Michael Dworzak},
journal= {arXiv preprint arXiv:2108.10072},
year = {2022}
}
备注
The article has been published as an open access article in the Journal for Computers in Biology and Medicine: https://doi.org/10.1016/j.compbiomed.2022.105314