• 北京信息科技大学 光电测试技术北京市重点实验室(北京 100192);
导出 下载 收藏 扫码 引用

流式细胞仪中多参数流式数据分群传统方法主要是利用专业软件采取人工设门方式,圈出目标细胞进行分析,分析过程较为复杂,专业性较强。基于此,本文提出了一种基于 t 分布邻域嵌入(t-SNE)算法对多参数流式数据进行分群处理。该算法将样本数据在高维空间中的欧几里德距离转化为条件概率来表征相似性,使数据降到低维空间。本文通过使用流式细胞仪处理染色后的人体外周血细胞,并将处理后的数据导出作为实验样本数据,对其利用 t-SNE 算法进行降维,并与核主成分分析(KPCA)降维算法对比,分别使用 K 均值(K-means)算法对降维得到的主成分数据进行分类。结果表明,t-SNE 算法对呈非对称且有拖尾分布的细胞类群具有很好的分群效果,分群准确率可达 92.55%,或可有助于多色多参数流式数据进行自动分析。

引用本文: 孟晓辰, 王玥, 祝连庆. 基于 t 分布邻域嵌入算法的流式数据自动分群方法 . 生物医学工程学杂志, 2018, 35(5): 697-704. doi: 10.7507/1001-5515.201802037 复制

  • 上一篇

    基于双稀疏模型的压缩感知核磁共振图像重构
  • 下一篇

    关节软骨缺损修复区应力状态分析