다음세대의학 연구실 (지도교수: 이주상)의 논문 1편이 컴퓨터 비전 및 인공지능 분야의 Top-tier 학술대회인 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2024에 게재 승인되었습니다.

제목: “Accurate Spatial Gene Expression Prediction by Integrating Multi-Resolution Features”

(인공지능학과 석박통합과정 정영민, 의학과 석박통합과정 하지훈, 의학과 박사과정 임경찬)

“Accurate Spatial Gene Expression Prediction by Integrating Multi-Resolution Features” 논문에서는 암환자 조직 histology 이미지에서 공간 유전체 발현 정보를 보다 정확하게 예측하는 딥러닝 모델을 제안하였습니다. 기존 방법들이 제한적인 해상도의 이미지에만 의존하여 예측을 수행하는 것에 문제를 제기하고, 여러 해상도의 정보를 효과적으로 통합하는 cross-attention 기반 fusion layer을 도입하였으며, 전체 슬라이드 이미지 (whole slide image)에 특화된 position encoding generator인 Atypical Position Encoding Generator (APEG)와 fusion loss를 통해 효과적으로 여러 해상도의 특성(feature)를 통합하였습니다. 모델 성능은 세가지 공간 유전체 데이터셋을 이용하여 평가되었으며, 내부 교차검증과 외부 테스트에서 모두 기존 방법들의 성능을 크게 상회하는 것을 보였습니다.

[논문 정보]

Accurate Spatial Gene Expression Prediction by Integrating Multi-Resolution Features

Youngmin Chung, Ji Hun Ha, Kyeong Chan Im, Joo Sang Lee

IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2024

Abstract:

Recent advancements in Spatial Transcriptomics (ST) technology have facilitated detailed gene expression analysis within tissue contexts. However, the high costs and methodological limitations of ST necessitate a more robust predictive model. In response, this paper introduces TRIPLEX, a novel deep learning framework designed to predict spatial gene expression from Whole Slide Images (WSIs). TRIPLEX uniquely harnesses multi-resolution features, capturing cellular morphology at individual spots, the local context around these spots, and the global tissue organization. By integrating these features through an effective fusion strategy, TRIPLEX achieves accurate gene expression prediction. Our comprehensive benchmark study, conducted on three public ST datasets and supplemented with Visium data from 10X Genomics, demonstrates that TRIPLEX outperforms current state-of-the-art models in Mean Squared Error (MSE), Mean Absolute Error (MAE), and Pearson Correlation Coefficient (PCC). The model's predictions align closely with ground truth gene expression profiles and tumor annotations, underscoring TRIPLEX's potential in advancing cancer diagnosis and treatment.