생체 분자 정보를 조직 슬라이스의 공간 좌표에 정확하게 매핑하는 것은 공간 다중체 분석의 핵심이며, 세포핵 분할의 정밀도는 직접적으로 표적 분자의 위치 결정에 영향을 미칩니다. 그러나 세포핵 형태의 다양성, 조직 구조의 복잡성 및 세포핵 집합화로 세포핵 분할이 어려움을 야기하고 있으며, 기존의 분할 방법은 세포핵의 정확한 분할을 달성하기 어려워 공간 다중체 분석 결과에 영향을 줍니다. 위 문제에 대해 계층적 특성 세분화와 주파수 영역 강화 학습을 결합한 세포핵 분할 네트워크 FFVM-UKAN을 제시하며, 특징 추출에 사용되는 얕은 시각 상태 공간 모듈과 특징 세분화에 사용되는 깊은 토큰화 Kolmogorov-Arnold 네트워크를 심층적으로 통합하고, 세포핵 분할에 필요한 정밀한 특성 캡처와 네트워크 점프 연결 효과를 강화하기 위한 병렬 주파수 영역 학습 모듈을 제시했습니다. 이 방법은 MoNuSeg 공개 데이터 세트에서 세포핵 분할을 수행하며, mIoU 및 Dice는 각각 69.09%와 81.72%이고, 사설 데이터 세트에서는 85.95% 및 92.45%에 달합니다. 또한 10X Genomics의 인간 간 데이터 세트에서 유전자 및 세포핵 매핑 효과를 검증하고, 결과적 으로 유전자 매핑 정확도가 90.63%임을 보여줍니다. 이러한 결과는 본 논문에서 설명된 방법이 세포핵 분할의 정확도 및 모델 일반화 능력에 좋은 효과를 나타내고, 공간 유전체 및 세포핵의 고정도 매핑을 달성하며, 이 방법의 공간 다중체 분석에서의 적용 가능성을 보여줍니다.

세포핵 분할; 층화 특성 세분화; 주파수 영역 강화 학습; Kolmogorov-Arnold 네트워크