Die genaue Zuordnung von Biomolekül-Informationen zu den räumlichen Koordinaten von Gewebeschnitten ist entscheidend für die Analyse der räumlichen Multimikroskopie, wobei die Genauigkeit der Zellkernsegmentierung direkt die Genauigkeit der Lokalisierung von Zielmolekülen bestimmt. Die Vielfalt der Zellkernformen, die Komplexität der Gewebestruktur und die Aggregation von Zellkernen erschweren jedoch die Zellkernsegmentierung, und bestehende Methoden können keine präzise Segmentierung der Zellkerne erreichen, was wiederum die Ergebnisse der räumlichen Multimikroskopie beeinträchtigt. Um dieses Problem zu lösen, wird das Zellkernsegmentierungsnetzwerk FFVM-UKAN entwickelt, das die Feinabstimmung der Merkmale mit Schichtmerkmalen und das Frequenzdomänen-Enhancement-Learning kombiniert. Es integriert tiefgreifend ein flaches visuelles Zustandsraummodul zur Merkmalsextraktion und ein tiefes tokenbasiertes Kolmogorov-Arnold-Netzwerk zur Feinabstimmung der Merkmale. Darüber hinaus wird ein paralleles Frequenzdomänenlernmodul vorgestellt, um die erforderlichen feinen Merkmale für die Zellkernsegmentierung zu erfassen und die Effekte der Netzwerksprungverbindungen zu verstärken. Mit dieser Methode wird die Segmentierung der Zellkerne im öffentlichen Datensatz MoNuSeg mit einer mIoU von 69,09 % und einem Dice-Koeffizienten von 81,72 % erreicht, während sie im privaten Datensatz 85,95 % bzw. 92,45 % beträgt. Darüber hinaus wird die Mapping-Effekte von Genen und Zellkernen im menschlichen Leberdatensatz von 10X Genomics validiert, wobei die Genauigkeit der Genzuordnung 90,63 % beträgt. Diese Ergebnisse zeigen, dass die in dieser Arbeit beschriebene Methode eine gute Wirkung in Bezug auf die Genauigkeit der Zellkernsegmentierung und die Generalisierungsfähigkeit des Modells aufweist und eine hohe Präzision bei der Zuordnung von räumlichen Genen und Zellkernen erreicht, was das Potenzial dieser Methode für die Anwendung in der räumlichen Multimikroskopieanalyse zeigt.

Zellkernsegmentierung; Schichtmerkmalsverfeinerung; Frequenzdomänen-Enhancement-Learning; Kolmogorov-Arnold-Netzwerk