基于超体素聚合的流式细胞术自动门控方法

摘要

为实现高通量流式数据的自动分析，提出了一种基于超体素聚合和注意力机制双支路融合的流式细胞术自动门控方法 .该方法的编码器由两个特征提取分支构成，一个将稀疏分布的细胞散点映射到超体素空间，并基于卷积神经网络在特征空间进行超体素特征聚合，所获的聚合特征通过反体素化映射回原始散点空间.另一个基于集合自注意力机制搭建了特征提取模型，用于在散点空间中进行全局特征提取.在解码阶段，融合了上述双支路多尺度特征，通过全局和局部特征的相互补偿提高了特征提取的有效性，进而增强了细胞分类的性能，实现了高通量流式数据的自动门控.在公开的流式细胞数据集Bue-Dura上与多种主流的流式数据自动分析方法进行比较，验证了该方法的有效性.

关键词

深度学习 / 超体素 / 注意力机制 / 双支路特征融合 / 流式细胞术