利用 Set-Transformers 自动进行儿童急性白血病免疫表型评估
原文中文，约400字，阅读约需1分钟。发表于：。FCM-Former 是一个自动化儿童急性白血病免疫表型评估的机器学习、自注意力基础的流式细胞分析工具，准确度达 96.5%，利用流式细胞数据为每个样本分配细胞系，是首个使用 FCM 数据自动化免疫表型评估儿科急性白血病的工作。
本文评估了一种名为ReluFormer的Transformer模型在Flow CytoMetry（FCM）数据上的应用，提出了一种基于梯度和注意力的可视化技术，并通过儿科急性淋巴细胞白血病（ALL）FCM样本的细胞分类和多边形回归进行了定性评估。结果展示了模型的决策过程和利用技术检查已训练模型的情况。梯度可视化能够识别对特定预测最重要的细胞，而注意力可视化提供了有关Transformer处理FCM数据时的决策过程的洞察。
