使用 MAPPOS 进行自动后挑选可改善冷冻电镜显微照片中的颗粒图像检测
机器学习
2012-12-21 v1 计算机视觉与模式识别
摘要
利用单颗粒重构的冷冻电子显微镜（cryo-EM）研究被广泛用于揭示大分子复合物的结构信息。为追求最高可达到的分辨率，最先进的电子显微镜会自动采集数千张高质量显微照片。使用全自动或半自动方法在每张显微照片上检测并框选出颗粒。然而，获得的颗粒仍需进行费力的手动后挑选分类，这是大规模数据集单颗粒分析的一个主要瓶颈。我们引入了 MAPPOS，一种用于框选颗粒图像分类的有监督后挑选策略，作为对已有高效自动颗粒挑选程序的补充策略。MAPPOS 利用机器学习技术，从少量特征图像特征中训练出一个稳健的分类器。为准确量化 MAPPOS 的性能，我们使用了模拟的颗粒和非颗粒图像。此外，我们通过将其应用于一个实验性 cryo-EM 数据集，并将结果与同一数据集的手动分类进行比较，验证了我们的方法。MAPPOS 与多位人类专家手动后挑选分类的比较表明，仅需几百张样本图像，MAPPOS 就足以对完整数据集进行具有类人性能的分类。结果表明，MAPPOS 能在保持对非颗粒图像可靠识别的同时，将手动工作量减少数个数量级，从而极大加速大规模数据集的通量。
引用
@article{arxiv.1212.4871,
title = {Automatic post-picking using MAPPOS improves particle image detection from Cryo-EM micrographs},
author = {Ramin Norousi and Stephan Wickles and Christoph Leidig and Thomas Becker and Volker J. Schmid and Roland Beckmann and Achim Tresch},
journal= {arXiv preprint arXiv:1212.4871},
year = {2012}
}