arXiv · cs.AI· Xiaoqing Lian, Pei Liu, Jiahui Tan, Quan Zou, Chen Lin, Xiangxiang Zeng·· 11 小时前
GE2I揭示基因表达图像学习的空间结构与信息保真权衡
Understanding Gene Expression-to-Image Learning: Spatial Structure and Information Fidelity
arXiv:2610.17699v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Xiaoqing Lian, Pei Liu, Jiahui Tan, Quan Zou, Chen Lin, Xiangxiang Zeng
研究任务与主要进展
研究在全转录组数据上固定网络与训练流程，发现GE2I的空间平滑性与基因级保真度存在权衡：结构化映射产生平滑且有利于早期优化的低频模式，但多基因映射到同一像素会掩盖表达差异；当基因数量较多时，随机映射可与结构化布局竞争，而一对一基因到像素分配在所测试的视觉骨干上改善了预测性能。预训练和数据增强的收益则取决于视觉骨干与映射方式。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org