연구진은 DPC 이미지에서 백혈구 분류 및 단백질 발현 회귀를 동시에 수행하는 딥러닝 프레임워크를 개발했어요. 이 모델은 CNN 기반의 질감 특징과 트랜스포머 기반의 전역 표현을 결합하여 단일 세포의 형태와 분자 정보를 추론합니다. LLM을 통합하여 예측된 세포 상태에 대한 생물학적으로 타당한 요약 정보를 제공합니다.
BSCCM 및 Blood Cells Image 벤치마크에서 각각 91.3%의 백혈구 분류 정확도와 CD16 발현 회귀에 대한 0.72의 피어슨 상관 계수를 달성했어요. 이는 형광 염색 없이 비용 효율적인 혈액학적 프로파일링을 가능하게 합니다.
소스 코드는 GitHub에서 확인할 수 있으며, 라벨 없는 단일 세포 이미징 기술이 혈액 세포 분석에 기여할 수 있음을 보여줍니다.