面向 Cryo-EM 去噪的基于得分匹配与目标导向
计算机视觉与模式识别
2026-04-21 v1
摘要
冷电子显微镜(cryo-EM)允许在严格的低剂量成像条件下进行生物大分子的单颗粒分析，但所得微图常表现为极低的信噪比和微弱的粒子可见性。图像去噪因此是下游冷-EM 分析(包括粒子挑选、2D 分类和3D 重建)的重要预处理步骤。现有的冷-EM 去噪方法通常基于像素级或 Noise2Noise 风格的目标进行训练，虽能提高视觉质量，但未能显式地考虑下游分析所需的结构一致性。本文提出了一种用于冷-EM 的基于得分匹配去噪框架，通过学习干净数据得分来恢复粒子信号，同时更好地保留结构信息。建立在该表述基础上，我们进一步引入一种目标引导变体，将参考密度引导纳入以稳定弱且模糊信号条件下的得分学习。我们的方法不同于简单放大粒子类响应，更有效地抑制结构化低频背景，从而提高粒子-背景可分离性，以利于下游分析。在多个冷-EM 数据集上的实验表明，我们的方法在下游粒子挑选和结构一致性 3D 重建方面均表现出色。
引用
@article{arxiv.2604.17734,
title = {Score-Based Matching with Target Guidance for Cryo-EM Denoising},
author = {Xiaoqi Wu and Xueying Zhan and Wen Li and Junhao Wu and Xin Huang and Min Xu},
journal= {arXiv preprint arXiv:2604.17734},
year = {2026}
}