用于挖掘细胞冷冻电子断层图特征与弱监督粗分割的卷积自编码器方法
定量方法
2017-12-29 v2 计算机视觉与模式识别
摘要
细胞冷冻电子断层扫描能够以近天然状态和亚分子分辨率对细胞组织进行 3D 可视化。然而，细胞断层图的内容通常很复杂，使得自动分离不同的原位细胞组分变得困难。在本文中，我们提出了一种基于卷积自编码器的无监督方法，以对从断层图中提取的 3D 小子体积提供粗略分组。我们证明，自编码器可用于对大分子复合物和表面（如膜）的特征进行高效的粗略表征。此外，自编码器可用于检测与样品制备和数据收集相关的非细胞特征，如载网的碳边缘和断层图边界。自编码器还能够检测可能表明细胞组分之间空间相互作用的模式。此外，我们证明了我们的自编码器可用于细胞组分的弱监督语义分割，仅需极少量的手动标注。
引用
@article{arxiv.1706.04970,
title = {A convolutional autoencoder approach for mining features in cellular electron cryo-tomograms and weakly supervised coarse segmentation},
author = {Xiangrui Zeng and Miguel Ricardo Leung and Tzviya Zeev-Ben-Mordehai and Min Xu},
journal= {arXiv preprint arXiv:1706.04970},
year = {2017}
}
备注
Accepted by Journal of Structural Biology