基于深度学习的电子冷冻断层子 tomography 监督语义分割
定量方法
2018-05-16 v1 计算机视觉与模式识别
机器学习
摘要
细胞电子冷冻断层成像（CECT）是一种强大的成像技术，可在亚分子分辨率下对细胞结构与组织进行三维可视化。它使得分析大分子复合物的天然结构及其在单细胞内的空间组织成为可能。然而，由于高度的结构复杂性和实际成像限制，CECT 图像内系统性的大分子结构恢复仍然具有挑战性。特别是，由于分子高度拥挤，一个大分子的恢复很可能受到其邻近结构的偏倚。为减小该偏倚，我们在此引入一种受全卷积网络与编码器-解码器架构启发的新型三维卷积神经网络，用于对子断层图中感兴趣的大分子进行有监督分割。我们的模型在真实模拟的 CECT 数据上的测试表明，与基线方法相比，新方法的分割性能显著提升。此外，我们证明了所提模型具有泛化能力，可分割训练数据中不存在的新结构。
引用
@article{arxiv.1802.04087,
title = {Deep learning based supervised semantic segmentation of Electron Cryo-Subtomograms},
author = {Chang Liu and Xiangrui Zeng and Ruogu Lin and Xiaodan Liang and Zachary Freyberg and Eric Xing and Min Xu},
journal= {arXiv preprint arXiv:1802.04087},
year = {2018}
}
备注
9 pages