用于慢性淋巴细胞白血病流式细胞术自动诊断的机器学习方法
机器学习
2021-07-23 v2 定量方法
摘要
流式细胞术是一种在单个细胞依次流过激发光源时，从其测量多个荧光与光散射相关参数的技术。这些细胞被抗体标记以检测各种抗原，荧光信号反映抗原表达。多参数流式细胞术数据的解读繁琐、耗时且昂贵，需由训练有素的医学检验师与病理学家在二维图上手动解读细胞分布并进行模式识别。利用多种机器学习算法，我们试图为临床流式细胞术病例开发一种自动分析，以自动分类正常与慢性淋巴细胞白血病病例。我们借助梯度提升取得了最佳成效。XGBoost 分类器在前瞻性分类恶性病例中达到了 1.00 的特异度、0.67 的敏感度、0.75 的阴性预测值、1.00 的阳性预测值以及 0.83 的总体准确率。
引用
@article{arxiv.2107.09728,
title = {Machine Learning Approaches to Automated Flow Cytometry Diagnosis of Chronic Lymphocytic Leukemia},
author = {Akum S. Kang and Loveleen C. Kang and Stephen M. Mastorides and Philip R. Foulis and Lauren A. DeLand and Robert P. Seifert and Andrew A. Borkowski},
journal= {arXiv preprint arXiv:2107.09728},
year = {2021}
}
备注
4 pp