利用变分自编码器与生成对抗网络从冷冻电镜图像估计取向与相机参数
定量方法
2021-05-25 v2 计算机视觉与模式识别
图像与视频处理
机器学习
摘要
冷冻电镜（cryo-EM）能够以近原子分辨率产生生物分子的重建三维图像，因此代表了结构生物学中最有前景的成像技术之一。然而，原始 cryo-EM 图像仅是目标三维生物分子的高度 corrupted（含噪且带通滤波）的二维投影。重建三维分子形状始于去除图像离群值、估计产生给定二维图像的生物分子取向，以及估计相机参数以校正强度缺陷。当前执行这些任务的技术通常计算昂贵，而数据集规模持续增长。亟需新一代在保持精度的同时提升速度与可扩展性的算法。本文中，我们结合变分自编码器（VAE）与生成对抗网络（GAN）来学习 cryo-EM 图像的低维潜表示。我们对所得潜空间进行探索性分析，其显示出与 Lie 群理论意义上的“轨道”结构一致，并与 cryo-EM 图像采集过程相符。该分析引导我们设计一种针对单颗粒 cryo-EM 图像的取向与相机参数估计方法，以及离群值检测流程。由此，它为无监督估计取向与相机参数的几何方法打开大门，使快速 cryo-EM 生物分子重建成为可能。
引用
@article{arxiv.1911.08121,
title = {Estimation of Orientation and Camera Parameters from Cryo-Electron Microscopy Images with Variational Autoencoders and Generative Adversarial Networks},
author = {Nina Miolane and Frédéric Poitevin and Yee-Ting Li and Susan Holmes},
journal= {arXiv preprint arXiv:1911.08121},
year = {2021}
}