論文の概要: Automated Identification of Cell Populations in Flow Cytometry Data with Transformers

• arxiv url: http://arxiv.org/abs/2108.10072v1
• Date: Mon, 23 Aug 2021 11:10:38 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-24 15:24:55.929213
• Title: Automated Identification of Cell Populations in Flow Cytometry Data with Transformers
• Title（参考訳）: トランスフォーマーを用いたフローサイトメトリーデータにおける細胞集団の自動同定
• Authors: Matthias W\"odlinger, Michael Reiter, Lisa Weijler, Margarita Maurer-Granofszky, Angela Schumich, Michael Dworzak
• Abstract要約: 本稿では,フローサイトメトリーデータから直接,MRD(Minimmal Residual Disease)値を計算する自動化手法を提案する。 本手法は,3つの臨床センターから入手可能なALL FCMデータに基づいて,教師あり方式で訓練し,評価する。 本手法は200 B-ALL試料で試験した場合, 中央値0.93のf1値に達する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Acute Lymphoblastic Leukemia (ALL) is the most frequent hematologic malignancy in children and adolescents. A strong prognostic factor in ALL is given by the Minimal Residual Disease (MRD), which is a measure for the number of leukemic cells persistent in a patient. Manual MRD assessment from Multiparameter Flow Cytometry (FCM) data after treatment is time-consuming and subjective. In this work, we present an automated method to compute the MRD value directly from FCM data. We present a novel neural network approach based on the transformer architecture that learns to directly identify blast cells in a sample. We train our method in a supervised manner and evaluate it on publicly available ALL FCM data from three different clinical centers. Our method reaches a median f1 score of ~0.93 when tested on 200 B-ALL samples.
• Abstract（参考訳）: 急性リンパ芽球性白血病(ALL)は小児や青年期で最も頻度の高い血液悪性腫瘍である。 ALの強い予後因子は、患者に持続する白血病細胞の数を測定する最小残留疾患(英語版)(MRD)によって与えられる。 治療後の多パラメータフローサイトメトリー(FCM)データからの手動MDD評価は時間と主観的である。 本研究では,FCMデータから直接MDD値を計算するための自動手法を提案する。 本稿では,サンプル中の爆発細胞を直接同定するトランスフォーマーアーキテクチャに基づく,新しいニューラルネットワークアプローチを提案する。 本手法は,3つの臨床センターから入手可能なALL FCMデータに基づいて,教師付きで訓練し,評価する。 本手法は,200 B-ALL試料で試験した場合のf1中央値 ~0.93 に達する。

関連論文リスト

• Low dimensional representation of multi-patient flow cytometry datasets using optimal transport for minimal residual disease detection in leukemia [1.2564343689544843]
  急性骨髄性白血病(AML)におけるMRD(Representing and Minimal Residual Disease)は予後と予後に必須である。 本稿では, 最適輸送(OT)に基づく統計的学習手法について検討し, フロー計測の低次元表現を実現する。 特に、我々のOTベースのアプローチは、FlowSomアルゴリズムの結果の関連性および情報的2次元表現を可能にする。
  論文  参考訳（メタデータ） (2024-07-24T14:53:01Z)
• Automated Immunophenotyping Assessment for Diagnosing Childhood Acute Leukemia using Set-Transformers [6.128460923508468]
  本稿では,小児急性白血病における免疫フェノタイピング評価の自動化を目的として,機械学習による自己注意型FCM診断ツールであるFCM-Formerを提案する。 急性B細胞, T細胞リンパ芽球性, 急性骨髄性白血病(B-ALL, T-ALL, AML)の960例において, FCM-Formerは96.5%の精度でそれぞれの標本に系統を割り当てている。 我々の知る限り、FCM-Formerは小児急性白血病の診断において、FCMデータによる免疫フェノタイピング評価を自動化する最初の研究である。
  論文  参考訳（メタデータ） (2024-06-26T12:50:07Z)
• MMIL: A novel algorithm for disease associated cell type discovery [58.044870442206914]
  単一細胞データセットは、しばしば個々の細胞ラベルを欠いているため、病気に関連する細胞を特定することは困難である。 セルレベルの分類器の訓練と校正を可能にする予測手法であるMixture Modeling for Multiple Learning Instance (MMIL)を導入する。
  論文  参考訳（メタデータ） (2024-06-12T15:22:56Z)
• FlowCyt: A Comparative Study of Deep Learning Approaches for Multi-Class Classification in Flow Cytometry Benchmarking [1.6712896227173808]
  FlowCytは、フローコードされたデータにおいて、マルチクラスのシングルセル分類のための最初の包括的なベンチマークである。 このデータセットは、30人の患者の骨髄サンプルからなり、各細胞は12個のマーカーで特徴づけられる。
  論文  参考訳（メタデータ） (2024-02-28T15:01:59Z)
• Unsupervised pre-training of graph transformers on patient population graphs [48.02011627390706]
  異種臨床データを扱うグラフ変換器を用いたネットワークを提案する。 自己教師型, 移動学習環境において, 事前学習方式の利点を示す。
  論文  参考訳（メタデータ） (2022-07-21T16:59:09Z)
• Oral cancer detection and interpretation: Deep multiple instance learning versus conventional deep single instance learning [2.2612425542955292]
  口腔癌(OC)診断の現在の医療基準は、口腔から採取した組織標本の組織学的検査である。 このアプローチを臨床ルーチンに導入するには、専門家の欠如や労働集約的な作業といった課題が伴う。 私たちは、患者1人あたりのラベルだけで癌を確実に検出できるAIベースの方法に興味を持っています。
  論文  参考訳（メタデータ） (2022-02-03T15:04:26Z)
• A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
  側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。 実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-24T18:58:40Z)
• Controlling False Positive/Negative Rates for Deep-Learning-Based Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
  そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。 1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
  論文  参考訳（メタデータ） (2021-06-04T09:51:27Z)
• Towards an Automatic Analysis of CHO-K1 Suspension Growth in Microfluidic Single-cell Cultivation [63.94623495501023]
  我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。 具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
  論文  参考訳（メタデータ） (2020-10-20T08:36:51Z)
• MIA-Prognosis: A Deep Learning Framework to Predict Therapy Response [58.0291320452122]
  本稿では,患者の予後と治療反応を予測するための統合型深層学習手法を提案する。 我々は,マルチモーダル非同期時系列分類タスクとして,確率モデリングを定式化する。 我々の予測モデルは、長期生存の観点から、低リスク、高リスクの患者をさらに階層化する可能性がある。
  論文  参考訳（メタデータ） (2020-10-08T15:30:17Z)
• Prediction of Thrombectomy Functional Outcomes using Multimodal Data [2.358784542343728]
  本稿では,マルチモーダルデータを直接活用し,血管内治療の成功を推定するための新しいディープラーニング手法を提案する。 我々は、チャネルワイドおよび空間的にグローバルな特徴間距離をモデル化するためのアテンションメカニズムをアーキテクチャに組み込んだ。
  論文  参考訳（メタデータ） (2020-05-26T21:51:58Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。