GateNet：一种用于流式细胞术自动设门的新型神经网络架构
机器学习
2023-12-13 v1
摘要
流式细胞术被广泛用于识别患者体液（如外周血（PB）或脑脊液（CSF））中的细胞群。尽管流式细胞术在研究和临床实践中无处不在，但其需要设门，即细胞类型识别，这需要耗费大量人力且易出错的手动调整。为简化此过程，我们设计了 GateNet，这是首个无需校正批次效应即可实现完全端到端自动设门的神经网络架构。我们基于 N=127 个 PB 和 CSF 样本训练 GateNet，包含超过 8,000,000 个事件，这些样本由四位专家独立进行手动标注。我们表明，对于新颖的、未见过的样本，GateNet 达到了人类水平的性能（F1 分数从 0.910 到 0.997）。此外，我们将 GateNet 应用于一个公开可用的数据集，以 0.936 的 F1 分数证实了其泛化能力。由于我们的实现利用了图形处理器（GPU），每个事件的设门仅需 15 微秒。重要的是，我们还表明 GateNet 仅需约 10 个样本即可达到人类水平的性能，这使其广泛适用于流式细胞术的所有领域。
引用
@article{arxiv.2312.07316,
title = {GateNet: A novel Neural Network Architecture for Automated Flow Cytometry Gating},
author = {Lukas Fisch and Michael O. Heming and Andreas Schulte-Mecklenbeck and Catharina C. Gross and Stefan Zumdick and Carlotta Barkhau and Daniel Emden and Jan Ernsting and Ramona Leenings and Kelvin Sarink and Nils R. Winter and Udo Dannlowski and Heinz Wiendl and Gerd Meyer zu Hörste and Tim Hahn},
journal= {arXiv preprint arXiv:2312.07316},
year = {2023}
}