Cryo-forum：一种带不确定性度量的取向恢复框架及其在冷冻电镜图像分析中的应用

在单颗粒冷冻电子显微镜（cryo-EM）中，高效确定二维投影图像的取向参数是一项重大挑战，但对重建三维结构至关重要。该任务因 cryo-EM 数据集中存在的高噪声水平而复杂化，这些数据常包含离群值，需多次耗时的二维清理过程。近来，基于深度学习的方案涌现，为传统的繁重取向估计任务提供了更精简的途径。这些方案常采用摊销推断，无需为每幅图像单独估计参数。然而，这些方法常忽视离群值的存在，且可能未充分关注网络内部使用的组件。本文引入一种新方法，使用 10 维特征向量表示取向，并应用二次约束二次规划推导预测取向为单位四元数，同时辅以不确定性度量。此外，我们提出一种考虑取向间成对距离的独特损失函数，从而提升方法精度。最后，我们还全面评估了构建编码器网络中的设计选择，该主题在文献中未受足够关注。数值分析表明，我们的方法能以端到端方式从二维 cryo-EM 图像有效恢复取向。重要的是，不确定性量化的引入允许在三维层面直接清理数据集。最后，我们将所提方法封装为名为 cryo-forum 的用户友好软件套件，便于开发者使用。