文献精读 空间域识别

核心速递： 提出DMGCN，把空间图和特征图联合建模，再用对比学习识别空间结构域并重建表达矩阵。

1. 文献基本信息

• Title: Spatial domain identification method based on multi-view graph convolutional network and contrastive learning
• Journal: PLOSComputBiol
• First Author: Liang
• 领域定位: 提出DMGCN，把空间图和特征图联合建模，再用对比学习识别空间结构域并重建表达矩阵。

2. 研究背景与问题

提出DMGCN，把空间图和特征图联合建模，再用对比学习识别空间结构域并重建表达矩阵。

3. 核心材料与方法

在Visium、Stereo-seq和MERFISH等数据上优于现有方法。

4. 关键发现与机制

提出DMGCN，把空间图和特征图联合建模，再用对比学习识别空间结构域并重建表达矩阵。；在Visium、Stereo-seq和MERFISH等数据上优于现有方法。

5. 局限性与未来展望

结果依赖公开基准和当前数据集，跨平台迁移仍需独立验证。

6. 核心思考与研究启发

提出DMGCN，把空间图和特征图联合建模，再用对比学习识别空间结构域并重建表达矩阵。