생체 분자 정보를 조직 절편의 공간 좌표에 정확하게 매핑하는 것은 공간 다중 오믹스 분석의 핵심이며, 세포 핵 분할 정확도는 표적 분자의 위치 정확도를 직접 결정합니다. 그러나 세포 핵 형태의 다양성, 조직 구조의 복잡성 및 세포 핵 집합 등의 요인으로 인해 세포 핵 분할이 어려우며, 기존 분할 방법은 정확한 세포 핵 분할을 달성하기 어려워 공간 다중 오믹스 분석 결과에 영향을 미칩니다. 이러한 문제를 해결하기 위해 계층적 특징 세분화와 주파수 영역 강화 학습을 결합한 세포 핵 분할 네트워크 FFVM-UKAN을 제안하였으며, 특징 추출을 위한 얕은 층 시각 상태 공간 모듈과 특징 세분화를 위한 깊은 층 토큰화 Kolmogorov-Arnold 네트워크를 깊게 통합하고, 세포 핵 분할에 필요한 세밀한 특징 포착을 위한 병렬 주파수 영역 학습 모듈을 제안하여 네트워크 스킵 연결 효과를 강화했습니다. 이 방법은 공개 데이터셋 MoNuSeg에서 세포 핵 분할을 구현하였으며, mIoU와 Dice는 각각 69.09%와 81.72%를 기록하였고, 사설 데이터셋에서는 85.95%와 92.45%를 달성했습니다. 또한 10X Genomics의 인간 간 데이터셋에서 유전자와 세포 핵 매핑 효과를 검증하였으며, 결과는 유전자 매핑 정확도가 90.63%에 달함을 보여주었습니다. 위 결과는 본 논문에서 제시한 방법이 세포 핵 분할 정확도와 모델 일반화 능력에서 우수한 효과를 가지며, 공간 유전자와 세포 핵의 고정밀 매핑을 실현하여 공간 다중 오믹스 분석에서의 적용 가능성을 제시함을 시사합니다.

세포핵 분할;계층적 특징 세분화;주파수 영역 강화 학습;Kolmogorov-Arnold 네트워크