基于 J-不变体积洗牌的单噪声体积自监督冷冻电子斑块图像去噪
图像与视频处理
2025-02-25 v3 计算机视觉与模式识别
摘要
冷冻电子斑块图像 (Cryo-ET) 使人们能够在接近原始状态下进行细微的 3D 细胞结构可视化，但由于成像限制，其信噪比较低。传统去噪方法和监督学习方法往往难以处理复杂的噪声模式，以及缺乏配对数据集。自监督方法利用噪声输入本身作为目标进行训练，已受到研究；然而，现有的 Cryo-ET 自监督去噪方法面临在训练过程中丢失信息和学习不完整噪声模式的挑战。本文提出了一种新型自监督学习模型，该模型利用单个噪声体积对 Cryo-ET 体积图像进行去噪。我们的方法特点是采用 U 形 J-不变盲点网络，结合稀疏中心掩码卷积、膨胀通道注意力块以及体积洗牌/洗牌技术。体积洗牌/洗牌技术扩展了感受野，利用多尺度表示，显著提高了噪声降低和结构保持能力。实验结果表明，我们的方法在性能上优于现有方法，推动了结构生物学研究中 Cryo-ET 数据处理的发展。
引用
@article{arxiv.2411.15248,
title = {J-Invariant Volume Shuffle for Self-Supervised Cryo-Electron Tomogram Denoising on Single Noisy Volume},
author = {Xiwei Liu and Mohamad Kassab and Min Xu and Qirong Ho},
journal= {arXiv preprint arXiv:2411.15248},
year = {2025}
}
备注
10 pages, 7 figures, 7 tables