L'assignation précise des informations sur les molécules biologiques aux coordonnées spatiales des coupes de tissus est un élément clé de l'analyse omique spatiale, et la précision de la segmentation des noyaux cellulaires détermine directement la précision de positionnement des molécules cibles. Cependant, la diversité des formes de noyaux cellulaires, la complexité de la structure tissulaire et des facteurs tels que l'agrégation des noyaux cellulaires rendent la segmentation des noyaux cellulaires difficile, et les méthodes de segmentation actuelles ont du mal à réaliser une segmentation précise des noyaux cellulaires, ce qui affecte ensuite les résultats de l'analyse omique spatiale. Pour résoudre le problème susmentionné, nous proposons le réseau de segmentation des noyaux cellulaires FFVM-UKAN, qui intègre de manière approfondie des fonctionnalités superficielles visuelles pour l'extraction de caractéristiques et des réseaux de codage profond de Kolmogorov-Arnold pour affiner les caractéristiques, ainsi qu'un module d'apprentissage de domaine fréquentiel parallèle qui capture des caractéristiques fines nécessaires à la segmentation des cellules et améliore l'effet de connexion en cascade du réseau. Cette méthode a permis une segmentation efficace des noyaux cellulaires sur l'ensemble de données public MoNuSeg, avec des moyennes de IoU et de dice respectivement de 69,09% et 81,72%, et elles ont atteint respectivement 85,95% et 92,45% sur un ensemble de données privé. De plus, une vérification sur l'ensemble de données du foie humain de 10X Genomics a montré des effets de cartographie des gènes et des noyaux cellulaires précis, avec des résultats montrant un taux de mappage des gènes aussi élevé que 90,63%. Les résultats susmentionnés indiquent que la méthode décrite dans cet article présente un bon effet sur la précision de la segmentation des noyaux cellulaires et la capacité de généralisation du modèle, et elle réalise une cartographie précise des gènes et des noyaux cellulaires dans l'analyse omique spatiale, démontrant ainsi le potentiel d'application de cette méthode dans l'analyse omique spatiale.

segmentation des noyaux cellulaires; raffinement des caractéristiques en couches; apprentissage de la fréquence; réseau Kolmogorov-Arnold