SparseAlign：冷冻电子断层成像中用于自动标记点定位与形变估计的超分辨率算法
图像与视频处理
2022-01-24 v1 计算机视觉与模式识别
数值分析
数值分析
最优化与控制
定量方法
摘要
倾转系列对齐对于在冷冻电子断层成像中获得高分辨率重建至关重要。样品的束致局部形变仅凭低对比度样品难以估计，通常需借助基准金球标记点。形变估计的当前最优方法使用投影数据中（半）手动标注的标记点位置来拟合多项式形变模型的参数。当数据含噪或标记点在投影数据中重叠时，手动标注的标记点位置难以获取。我们提出了一种替代的数学方法，通过扩展最初在单分子定位显微镜背景下提出的无网格超分辨率算法，实现标记点定位与形变估计的同步进行。我们的方法不需要标注的标记点位置；相反，我们使用基于图像的损失，将标记点的前向投影与观测数据进行比较。我们为该标记点定位方案配备了额外的形变估计组件，并求解减少数量的形变参数。通过对仅含标记点样品的广泛数值研究，我们表明该方法能在无标注标记点数据的情况下自动找到标记点并可靠估计样品形变。我们进一步展示了该方法在广泛模型失配场景中的适用性，包括冰上金标记点的实验电子断层数据。
引用
@article{arxiv.2201.08706,
title = {SparseAlign: A Super-Resolution Algorithm for Automatic Marker Localization and Deformation Estimation in Cryo-Electron Tomography},
author = {Poulami Somanya Ganguly and Felix Lucka and Holger Kohr and Erik Franken and Hermen Jan Hupkes and K Joost Batenburg},
journal= {arXiv preprint arXiv:2201.08706},
year = {2022}
}