ASOCEM：冷冻电镜中污染物的自动分割
计算机视觉与模式识别
2022-01-19 v1 应用统计
摘要
颗粒挑选目前是冷冻电镜单颗粒重构流程中的关键步骤。所获取显微图像中的污染物会严重降低颗粒挑选器的性能，导致收集的颗粒堆中出现许多“非颗粒”。在本文中，我们提出ASOCEM（冷冻电镜中污染物的自动分割，Automatic Segmentation Of Contaminations in cryo-EM），一种检测和分割污染物的自动方法，其仅需近似颗粒尺寸作为输入。特别地，它不需要任何参数调节或人工干预。我们的方法基于如下观察：污染区域的统计分布与显微图像其余部分不同。这一非限制性假设允许自动检测各类污染物，从支撑载网的碳边缘到不同尺寸的高对比度团块。我们利用包含各类污染物的多种实验数据集证明了我们算法的效率。ASOCEM已集成作为KLT picker的一部分，并可于\url{https://github.com/ShkolniskyLab/kltpicker2}获取。
引用
@article{arxiv.2201.06978,
title = {ASOCEM: Automatic Segmentation Of Contaminations in cryo-EM},
author = {Amitay Eldar and Ido Amos and Yoel Shkolnisky},
journal= {arXiv preprint arXiv:2201.06978},
year = {2022}
}