Flowformer

使用transformer自动检测急性淋巴细胞白血病（ALL）数据中的爆发细胞。

我们的工作的官方实现：「使用transformer自动识别流式细胞术数据中的细胞群体」，作者：Matthias Wödlinger，Michael Reiter，Lisa Weijler，Margarita Maurer-Granofszky，Angela Schumich，Elisa O Sajaroff，Stefanie Groeneveld-Krentz，Jorge G Rossi，Leonid Karawajew，Richard Ratei和Michael Dworzak。

加载模型

从Huggingface加载预训练模型。

from transformers import AutoModel
flowformer = AutoModel.from_pretrained("matth/flowformer", trust_remote_code=True)

由于模型代码使用了自定义架构，因此需要设置trust_remote_code=True。

用法

该模型的输入应为形状为 batch_size x num_cells x num_markers 的PyTorch张量 x。预训练模型使用以下标记进行训练：TIME、FSC-A、FSC-W、SSC-A、CD20、CD10、CD45、CD34、CD19、CD38、SY41。如果使用不同的标记（或不同的标记顺序），需要通过在模型前向传递中设置 markers 参数来指定：

output = flowformer(x, markers=["Marker1", "Marker2", "Marker3"])

有关模型用法的更多信息以及实际示例，请查看我同事Florian Kowarsch的演示笔记本： https://github.com/CaRniFeXeR/python4FCM_Examples/blob/main/hyperflow2023.ipynb

引用

如果您使用了该项目，请考虑引用我们的工作。

@article{wodlinger2022automated,
  title={Automated identification of cell populations in flow cytometry data with transformers},
  author={Wödlinger, Matthias and Reiter, Michael and Weijler, Lisa and Maurer-Granofszky, Margarita and Schumich, Angela and Sajaroff, Elisa O and Groeneveld-Krentz, Stefanie and Rossi, Jorge G and Karawajew, Leonid and Ratei, Richard and others},
  journal={Computers in Biology and Medicine},
  volume={144},
  pages={105314},
  year={2022},
  publisher={Elsevier}
}

许可证：CC-BY-NC-ND-4.0