衡量空间标记相似性的方法论框架
机器学习
2025-05-21 v1 人工智能
摘要
空间标记将标签分配给特定的空间位置，以特征化其空间属性和关系，具有广泛的科学研究和实际应用。衡量两个空间标记之间的相似性对于理解它们的差异以及贡献因素（如位置属性或标记方法的变化）至关重要。对空间标记相似性的恰当且无偏的测量应考虑匹配标签的数量（标签一致性）、空间标记分布的拓扑结构，以及不匹配标签的异质性影响。然而，现有方法往往未能考虑所有这些方面。为填补这一差距，我们提出了一个方法论框架，以指导满足这些要求的方法的开发。给定两个空间标记，框架基于位置组织、标签和属性（例如位置重要性）将其转换为图。随后提取其图属性的分布，从而实现高效的分布差异计算，以反映两个标记之间相似性水平。我们进一步提供了一个框架的具体实现，称为空间标记类比指标（SLAM），并分析了其理论基础，用于评估空间转录组（ST）中空间标记结果与真实标签的相似性。通过设计的包含模拟和真实ST数据的实验案例，我们展示了SLAM在其他众所周知的评估指标之外，提供了空间标记质量的全面且准确的反映。我们的代码已公开于 https://github.com/YihDu/SLAM。
引用
@article{arxiv.2505.14128,
title = {A Methodological Framework for Measuring Spatial Labeling Similarity},
author = {Yihang Du and Jiaying Hu and Suyang Hou and Yueyang Ding and Xiaobo Sun},
journal= {arXiv preprint arXiv:2505.14128},
year = {2025}
}