本研究提出了一种称为PopuSense的改进模块，通过引入人口层面的上下文并运用图论方法，将其整合到自动编码器的潜在编码中，以捕捉生物医学数据中卷积模型可能忽略或平滑的额外组内变异。实验结果表明，PopuSense在对比度和纹理为基础的图像上展现了更好的可分性，为模型所学习的表示提供了额外的改进途径。