SHREC 2021:冷冻电子断层成像图中的分类
图像与视频处理
2022-04-12 v1 计算机视觉与模式识别
摘要
冷冻电子断层成像(cryo-ET)是一种能够在近天然条件下对大分子复合物进行三维可视化的成像技术。cryo-ET 伴随若干挑战,主要是低信噪比以及无法从所有角度获取图像。计算方法是分析冷冻电子断层图的关键。为促进计算方法的创新,我们生成了一个新颖的模拟数据集,以基准测试断层图中生物大分子的定位与分类的不同方法。我们的公开数据集包含十个模拟类细胞体积的三维断层重建。每个体积包含十二种不同类型的复合物,在尺寸、功能和结构上各异。本文中,我们评估了七种寻找并分类蛋白质的不同方法。七个研究小组给出了基于学习的方法在模拟数据集上训练所得的结果,以及一个基线模板匹配(TM)——cryo-ET 研究中广泛使用的传统方法。我们表明基于学习的方法可比 TM 实现显著更好的定位与分类性能。我们还通过实验证实,对所有方法而言,粒子尺寸与性能之间存在负相关关系。
引用
@article{arxiv.2203.10035,
title = {SHREC 2021: Classification in cryo-electron tomograms},
author = {Ilja Gubins and Marten L. Chaillet and Gijs van der Schot and M. Cristina Trueba and Remco C. Veltkamp and Friedrich Förster and Xiao Wang and Daisuke Kihara and Emmanuel Moebel and Nguyen P. Nguyen and Tommi White and Filiz Bunyak and Giorgos Papoulias and Stavros Gerolymatos and Evangelia I. Zacharaki and Konstantinos Moustakas and Xiangrui Zeng and Sinuo Liu and Min Xu and Yaoyu Wang and Cheng Chen and Xuefeng Cui and Fa Zhang},
journal= {arXiv preprint arXiv:2203.10035},
year = {2022}
}
备注
Workshop version of the paper can be found here: https://diglib.eg.org/handle/10.2312/3dor20211307