生体分子情報を組織切片の空間座標に正確にマッピングすることは空間多オミクス解析の重要な要素であり、細胞核の分割精度は標的分子の定位精度を直接決定します。しかし、細胞核の形態多様性、組織構造の複雑さ、細胞核の集合などの要因により細胞核の分割は困難であり、既存の分割手法は細胞核の精密な分割を実現しにくく、空間多オミクス解析結果に影響を与えます。これらの問題に対応するため、階層的特徴細分化と周波数領域強化学習を組み合わせた細胞核分割ネットワークFFVM-UKANを提案し、特徴抽出のための浅層視覚状態空間モジュールと特徴細分化のための深層トークナイズドKolmogorov-Arnoldネットワークを深く統合し、細胞核分割に必要な微細特徴の捕捉を実現する並列周波数領域学習モジュールを提案してネットワークのスキップ接続効果を強化しました。本手法は公開データセットMoNuSegで細胞核分割を実現し、mIoUおよびDiceはそれぞれ69.09%および81.72%、プライベートデータセットでは85.95%および92.45%を達成しました。さらに10X Genomicsのヒト肝臓データセットで遺伝子と細胞核のマッピング効果を検証し、遺伝子マッピングの精度は90.63%に達しました。以上の結果は、本手法が細胞核分割の精度およびモデルの汎化能力に優れ、空間遺伝子と細胞核の高精度マッピングを実現し、空間多オミクス解析における応用可能性を示していることを示唆しています。

細胞核分割;階層的特徴細分化;周波数領域強化学習;Kolmogorov-Arnoldネットワーク