Core Concepts
Graph Neural Networks zeigen überlegene Leistung in der Mehrklassenklassifizierung von Zellen in der Durchflusszytometrie.
Abstract
Die Studie präsentiert FlowCyt als erste umfassende Benchmark für die Mehrklassenklassifizierung von Einzelzellen in der Durchflusszytometrie.
Die Daten umfassen Knochenmarkproben von 30 Patienten, die jeweils durch zwölf Marker charakterisiert sind.
Baseline-Methoden wie Gaussian Mixture Models, XGBoost, Random Forests, Deep Neural Networks und Graph Neural Networks werden verwendet.
Graph Neural Networks zeigen überlegene Leistung durch die Nutzung räumlicher Beziehungen in graphenkodierten Daten.
Die Benchmark ermöglicht eine standardisierte Bewertung klinisch relevanter Klassifizierungsaufgaben.
Es wird die Entwicklung und strenge Bewertung neuartiger Methoden für die Einzelzellanalyse ermöglicht.
Stats
Die Daten umfassen Knochenmarkproben von 30 Patienten.
Bis zu 1 Million Zellen pro Patient wurden verwendet.
GNNs zeigen überlegene Leistung in der Mehrklassenklassifizierung.
Quotes
"GNNs demonstrieren überlegene Leistung durch die Nutzung räumlicher Beziehungen in graphenkodierten Daten."