FATE: 基于 Transformer 的特征无关编码器用于学习流式细胞仪数据中的广义嵌入空间
原文中文，约400字，阅读约需1分钟。发表于：。通过学习一种通用的嵌入空间，我们提出了一种新型架构，能够直接处理具有不同特征集合的数据，从而实现对异构特征空间数据的共享潜在特征空间的学习。该模型的优势在于能够在不一致的特征空间中无缝操作，特别适用于数据稀缺的情况，例如急性髓性白血病流式细胞术中的癌细胞检测。
本文介绍了ReluFormer模型在Flow CytoMetry数据上的应用及其可视化技术。梯度可视化和注意力可视化能够识别模型决策过程中的重要细胞和Transformer的决策过程。
