基于半监督学习的 CryoET 快速且高效的粒子挑选工具 SemiETPicker
计算机视觉与模式识别
2026-01-14 v2
摘要
冷冻电子断层扫描（CryoET）结合亚体积平均（SVA）是唯一能够在分子分辨率下解析细胞内蛋白质结构的成像模态。粒子挑选——即在3D CryoET体积中定位和分类目标蛋白质的任务——仍是主要瓶颈。由于依赖耗时的手动标注，广大的未标注断层数据未得到充分利用。在本工作中，我们提出了一种快速、标签高效的半监督框架，利用这些未使用的标签数据。我们的框架由两个组件组成：(i)受关键点检测启发的端到端热图监督检测模型，以及(ii)在稀疏标注条件下提升性能的教师-学生协训练机制。此外，我们引入了多视图伪标签化和针对CryoET的DropBlock数据增强策略，以进一步提升性能。在大规模CZII数据集上的广泛评估表明，我们的方法在监督基线上提高了10%的F1分数，凸显了半监督学习在利用未标注CryoET数据方面的潜力。
引用
@article{arxiv.2510.22454,
title = {SemiETPicker: Fast and Label-Efficient Particle Picking for CryoET Tomography Using Semi-Supervised Learning},
author = {Linhan Wang and Jianwen Dou and Wang Li and Shengkun Wang and Zhiwu Xie and Chang-Tien Lu and Yinlin Chen},
journal= {arXiv preprint arXiv:2510.22454},
year = {2026}
}
备注
IEEE International Symposium on Biomedical Imaging (ISBI) 2026