[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"aihot-art-86537":3},{"itemId":4,"vertical":5,"category":6,"source":7,"score":8,"title":9,"summary":10,"analysis":11,"url":12,"coverUrl":13,"direction":13,"marketSignal":13,"publishedAt":14},"86537","ai","论文研究","Nature Machine Learning",59,"CenSegNet：用于异质组织中空间和单细胞分辨率中心体表型的高通量深度学习框架","CenSegNet是一个高通量深度学习框架，用于异质组织中中心体表型的空间和单细胞分辨率分析。","CenSegNet是一个用于异质组织中中心体表型的高通量深度学习框架，可在空间和单细胞分辨率下进行分析。\n· 该框架专为高通量设计，能处理大规模组织样本数据。\n· 支持空间和单细胞分辨率，可同时获取细胞位置和个体特征。\n· 针对异质组织优化，能处理不同细胞类型和结构。\n· 深度学习模型自动学习特征，减少人工标注需求。\n影响\u002F看点：CenSegNet为生物医学研究提供了高效的中心体分析工具，有望加速疾病机制研究和药物开发。","https:\u002F\u002Fwww.nature.com\u002Farticles\u002Fs41467-026-75393-y",null,"2026-07-15 08:00:00"]