Le rappresentazioni disentangled migliorano l'integrazione morfo-trascrittomica
Un recente preprint su arXiv (2608.14355) esplora se la separazione delle componenti latenti condivise da quelle specifiche della modalità possa migliorare l'apprendimento di rappresentazioni multimodali per dataset accoppiati di ematossilina-eosina (H&E) e trascrittomica spaziale (ST). Questa ricerca valuta metodi basati su VAE e metodi contrastivi, sia nelle loro forme standard che disentangled, su due coorti di cancro in condizioni sperimentali coerenti. La valutazione delle rappresentazioni coinvolge la ricostruzione cross-modale, il probing a valle e il trasferimento di probe cross-modale. I risultati indicano due tendenze significative: gli obiettivi contrastivi spesso superano in compiti specifici, e il disaccoppiamento delle componenti condivise e uniche migliora l'integrazione. Questi risultati sono rilevanti per la patologia computazionale e l'apprendimento multimodale nel campo della ricerca biomedica.
Fatti principali
- Preprint arXiv 2608.14355
- La trascrittomica spaziale consente la profilazione simultanea dell'espressione genica e della morfologia tissutale
- I modelli multimodali standard spesso comprimono le modalità senza separare le fonti condivise e specifiche della modalità
- Lo studio confronta approcci basati su VAE e contrastivi in varianti standard e disentangled
- Due coorti di cancro utilizzate in condizioni sperimentali abbinate
- Le valutazioni includono ricostruzione cross-modale, probing a valle e trasferimento di probe cross-modale
- Gli obiettivi contrastivi mostrano vantaggi in termini di prestazioni
- Il disaccoppiamento delle componenti condivise e private migliora l'integrazione
Entità
—