跳到正文
原文
bioRxiv 预印本· Ogut, S., Merchant, A., Vahidi, A., Jeong, D., Birk, S., Boxall, A., Miraki Feriz, A., Sallese, M. R., Chang, Y., Frossard, P., Thanou, D., Lotfollahi, M. ·· 25 天前AI 评分28

CellBridge:基于H&E图像与空间转录组数据的细胞精细分类框架

Fine-Grained and Reliable Cell Classification from Pathology Images

AI 导读

研究团队提出多模态对比学习框架CellBridge,基于1600万个细胞及配对的H&E与空间转录组数据预训练,将分子信息迁移至形态学表征。该框架结合Cell-Ontology感知的保形预测模块,可在形态学证据充分时给出叶级细胞类型标签,证据不足时退回更宽泛的祖先类别。在域内与域外基准测试中,CellBridge的macro F1较主流病理基础模型最高提升16个百分点,预测集更小且类别覆盖差距更小。

来源:bioRxiv 预印本 · biorxiv.org