浙江大学研究团队提出M2OST模型，通过多对一回归方法，利用不同层次的数字病理图像（WSIs）预测基因表达，显著提升了计算效率和预测准确性。该模型在多个公开数据集上验证有效性，为空间转录组学的发展提供新思路。

该文综述深度学习在数字病理图像分析中的应用，涵盖组织分割、肿瘤检测与癌症分类。方法包括结合颜色与统计增强的U-Net多任务模型、生成罕见癌组织图像的XM-GAN、上下文感知网络、结构统计纹理知识蒸馏、减少标注需求的半监督师生蒸馏、跨器官检测的Cycle-GAN、混合深度学习集成模型及自动化染色标准化，在结肠癌、乳腺癌等任务上取得较高的Dice、AUROC和准确率。