STMACL空间域识别模型

模块度对比学习

一个图自监督学习模型,用模块度最大化对比学习和信息相关性解耦,识别空间转录组学中的空间域。

Qi, Gao · 袁莎莎 · 李圣君 · 王娟

Expert Systems with Applications 2026

技术优势

学到高阶邻域关系

模块度最大化对比学习策略能捕获邻居间的高阶邻近性和全局相似性,从而得到更具判别力的嵌入。

防止表征坍缩

信息相关性解耦模块强制两个增强视图的相似矩阵逼近单位矩阵,提高嵌入判别力,避免模型学到退化解。

多视图增强提升鲁棒性

通过数据增强策略构建高质量增强视图,并利用掩码编码生成特征视图,使模型能自适应学习每个视图的独特嵌入。

7个数据集上超越现有方法

在7个公开空间转录组数据集上验证,实验结果一致表明模型优于其他最先进基线。

应用场景