arXiv cs.AI· Sidharthan Sivacoumar Chitra, Sanjeev Manivannan·· 3 天前AI 评分18
MP-MNCA：形态学先验掩码邻居交叉注意力实现高效空间域识别
MP-MNCA: Morphology-Prior Masked Neighbor Cross-Attention for Efficient Spatial Domain Identification
AI 导读
MP-MNCA 是一种形态学先验掩码邻居交叉注意力框架，在保留完整 3,000 维高变基因表示的同时，跨空间邻居选择性路由分子信息，并将组织学相似度作为连续注意力先验。
正文 · AI 翻译
摘要：空间转录组学同时捕获分子状态、组织形态和空间组织，然而空间域方法通常仅在训练后期检查点进行比较，掩盖了收敛效率的差异。我们提出 MP-MNCA，一种形态先验掩码邻域交叉注意力框架，它保留完整的 3,000 维高变基因表示，同时在空间邻域间选择性路由分子信息，并将组织学相似性作为连续注意力先验纳入自监督掩码邻域对比目标中。在 12 个异质性人类背外侧前额叶皮层（DLPFC）切片上，使用收敛轨迹和逐轮次空间域可视化对 MP-MNCA 与既有空间域基线进行评估。结果表明，MP-MNCA (i) 在显著更少的训练轮次内达到连贯的空间域结构，这由收敛曲线定量反映并由渐进空间网格定性体现；(ii) 保持强聚类质量，平均峰值精炼 ARI 为 0.546，而最强基线（STAIG）为 0.549，同时取得最高平均精炼 NMI 0.657，而基线为 0.640。此外，MP-MNCA 在 ARI 上于 12 个切片中的 7 个优于 STAIG，在 NMI 上于 12 个中的 11 个优于 STAIG，表明在不牺牲空间域质量的情况下实现了更快的收敛。
| 评论： | 两位作者对本工作贡献相同 |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI）；机器学习（cs.LG）；组织与器官（q-bio.TO） |
| 引用为： | arXiv:2610.16212 [cs.CV] |
| （或 arXiv:2610.16212v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.16212 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Sanjeev Manivannan [查看电子邮件]
[v1]
2026年10月12日星期一 05:42:01 UTC（25,984 KB）
来源：arXiv cs.AI · arxiv.org