用于自动化冷冻电镜载网筛选的注意力引导质量评估
计算机视觉与模式识别
2020-07-23 v2 机器学习
摘要
冷冻电子显微镜（cryo-EM）已成为药物发现与理解疾病分子基础的一项赋能技术，其通过对生物大分子进行近原子分辨率（小于 0.4 nm）的 3D 重建来实现。用于 3D 重建的成像过程涉及高度迭代且经验性的筛选过程，始于对 cryo-EM 载网低倍率图像的采集。这些图像被检查以找出可能包含有用分子信号的方格。载网内潜在有用的方格随后以逐步更高的倍率成像，目标是识别圆形孔（由方格界定）内用于高倍率成像的亚微米区域。这一艰巨的多步骤数据采集过程构成了实现高通量数据收集的瓶颈。在此，我们聚焦于为显微镜操作员自动化早期决策，对方格低倍率图像打分，并提出首个深度学习框架 XCryoNet，用于自动化 cryo-EM 载网筛选。XCryoNet 是一种半监督、注意力引导的深度学习方法，利用有限的标注数据对自动提取的方格图像提供可解释的打分。结果表明，在标注数据稀缺时，相较全监督与无注意力方案分别有最高 8% 与 37% 的提升。
引用
@article{arxiv.2007.05593,
title = {Attention-guided Quality Assessment for Automated Cryo-EM Grid Screening},
author = {Hong Xu and David E. Timm and Shireen Y. Elhabian},
journal= {arXiv preprint arXiv:2007.05593},
year = {2020}
}
备注
Accepted for publication in MICCAI 2020, the 23rd International Conference on Medical Image Computing and Computer Assisted Intervention