单细胞与空间组学技术的快速发展，为研究复杂生物系统中细胞的异质性、空间分布以及细胞间的相互作用带来了前所未有的机遇。然而，高分辨率空间转录组学面临着转录本细胞来源划分的问题。本研究开发了基于空间多模态数据的细胞分割算法Cellist，通过结合染色图像与基因表达，显著提升了细胞分割的效果。Cellist可以广泛应用于各种高分辨率空间转录组技术，包括Stereo-seq、Seq-Scope、seqFISH+、STARmap和10x Xenium等，相比于现有方法，Cellist表现出更高的准确性，且计算效率大幅提高。进一步，将Cellist应用于接受过新辅助免疫治疗的非小细胞肺癌样本，不仅揭示了肿瘤克隆的空间异质性，而且识别出与治疗响应相关的髓系细胞亚型及其空间分布特征。总之，Cellist为高分辨率空间转录组技术提供了更可靠的细胞分割解决方案，有助于深入解析组织中细胞组成、空间分布及功能互作。