门网:一种用于自动流量细胞计门的新型神经网络架构

科学领域:

• 生物技术是生物技术.
• 计算生物学 计算生物学
• 免疫学 免疫学 免疫学

背景情况:

• 流细胞计对于分析患者样本中的细胞群,如周围血液 (PB) 和脑脊液 (CSF),至关重要.
• 手动细胞门在流细胞计是耗时的,主观的,容易出现错误.
• 自动化这一过程对于提高临床和研究环境中的效率和准确性至关重要.

研究的目的:

• 介绍GateNet,一种新的神经网络架构,用于完全自动化的,端到端的细胞门在流细胞计.
• 为了消除手动关门调整和批量效应校正的需要.
• 为了在细胞群体识别中达到人类水平或更高的性能.

主要方法:

• 使用了来自127个PB和CSF样本的800多万事件的独特数据集.
• 手动关门由四名专家注释者独立执行.
• 盖特网的表现是通过对专家表现进行交叉验证和在公共数据集上进行评估的,通过F1评分来衡量.

主要成果:

• 盖特网获得了高的F1分数 (0.9100.997),在未见的样本上展示了人类水平的性能.
• 该模型有效地对公共数据集进行了概括,产生了0.936.96的F1得分.
• 为了达到专家的性能,GateNet需要最小的数据 (大约10个样本),并快速处理事件 (在GPU上15微秒/事件).

结论:

• 盖特网为流量细胞计门提供全自动化解决方案,超越了手动方法的局限性.
• 神经网络实现了强大的性能,在数据集中进行了概括,并表现出了显著的数据效率.
• 盖特网准备成为各种流细胞计应用中的一个有价值的工具,提高吞吐量和可靠性.