FlowCyt：流式细胞术基准测试中多类别分类的深度学习方法比较研究
机器学习
2024-04-26 v2 定量方法
摘要
本文介绍了 FlowCyt，这是第一个用于流式细胞术数据中多类别单细胞分类的综合基准。该数据集包含来自 30 名患者的骨髓样本，每个细胞由十二个标记物表征。真实标签识别出五种血液细胞类型：T 淋巴细胞、B 淋巴细胞、单核细胞、肥大细胞和造血干细胞/祖细胞（HSPCs）。实验利用监督归纳学习和半监督直推学习，每个患者最多处理 100 万个细胞。基线方法包括高斯混合模型、XGBoost、随机森林、深度神经网络和图神经网络（GNNs）。图神经网络通过利用图编码数据中的空间关系展现出优越的性能。该基准允许对临床相关的分类任务进行标准化评估，并进行探索性分析以深入了解血液细胞表型。这是第一个具有丰富注释的异质性数据集的公开流式细胞术基准。它将促进单细胞分析新方法的开发和严格评估。
引用
@article{arxiv.2403.00024,
title = {FlowCyt: A Comparative Study of Deep Learning Approaches for Multi-Class Classification in Flow Cytometry Benchmarking},
author = {Lorenzo Bini and Fatemeh Nassajian Mojarrad and Margarita Liarou and Thomas Matthes and Stéphane Marchand-Maillet},
journal= {arXiv preprint arXiv:2403.00024},
year = {2024}
}
备注
arXiv admin note: text overlap with arXiv:2402.18611