冷冻电子断层成像中同步去噪与缺失楔重建的深度学习方法
计算机视觉与模式识别
2024-08-13 v3 机器学习
摘要
冷冻电子断层成像是一种对生物样本进行三维成像的技术。显微镜采集一系列样本的二维投影，目标是重建称为断层图（tomogram）的样本三维密度。重建困难在于二维投影含噪且无法从所有方向记录，导致信息的缺失楔。传统用滤波反投影重建的断层图因缺失楔而受噪声与强伪影影响。在此，我们提出一种称为 DeepDeWedge 的深度学习方法来同步去噪与缺失楔重建。该算法无需真值数据，基于用自监督损失将神经网络拟合至二维投影。DeepDeWedge 比当前最先进的去噪与缺失楔重建方法更简洁，表现具竞争力，并产出噪声更低、整体对比度更高的断层图。
引用
@article{arxiv.2311.05539,
title = {A Deep Learning Method for Simultaneous Denoising and Missing Wedge Reconstruction in Cryogenic Electron Tomography},
author = {Simon Wiedemann and Reinhard Heckel},
journal= {arXiv preprint arXiv:2311.05539},
year = {2024}
}