論文の概要: Learning Rotation Invariant Features for Cryogenic Electron Microscopy Image Reconstruction

• arxiv url: http://arxiv.org/abs/2101.03549v1
• Date: Sun, 10 Jan 2021 13:38:16 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-08 12:15:33.085485
• Title: Learning Rotation Invariant Features for Cryogenic Electron Microscopy Image Reconstruction
• Title（参考訳）: 低温電子顕微鏡画像再構成のための学習回転不変特性
• Authors: Koby Bibas, Gili Weiss-Dicker, Dana Cohen, Noa Cahan, Hayit Greenspan
• Abstract要約: クライエレクトロン顕微鏡(Cryo-Electron Microscopy, Cryo-EM)は、粒子の3次元構造を原子に近い分解能で決定するためのノーベル賞受賞技術である。 ほとんどのアプローチでは、画像回転の連続的な性質を捉えるのに失敗する離散的なクラスタリングを使用する。 生成的対角ネットワークの最近の発展を生かした新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 1.9756768370987245
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cryo-Electron Microscopy (Cryo-EM) is a Nobel prize-winning technology for determining the 3D structure of particles at near-atomic resolution. A fundamental step in the recovering of the 3D single-particle structure is to align its 2D projections; thus, the construction of a canonical representation with a fixed rotation angle is required. Most approaches use discrete clustering which fails to capture the continuous nature of image rotation, others suffer from low-quality image reconstruction. We propose a novel method that leverages the recent development in the generative adversarial networks. We introduce an encoder-decoder with a rotation angle classifier. In addition, we utilize a discriminator on the decoder output to minimize the reconstruction error. We demonstrate our approach with the Cryo-EM 5HDB and the rotated MNIST datasets showing substantial improvement over recent methods.
• Abstract（参考訳）: クライエレクトロン顕微鏡(Cryo-Electron Microscopy, Cryo-EM)は、粒子の3次元構造を原子に近い分解能で決定するためのノーベル賞受賞技術である。 3次元単粒子構造の復元における基本的なステップは、その2次元投影を整列させることであり、固定回転角を持つ正準表現の構築が必要である。 ほとんどのアプローチでは、画像回転の連続的な性質を捉えるのに失敗する離散クラスタリングを使用している。 生成的対角ネットワークの最近の発展を生かした新しい手法を提案する。 回転角分類器を備えたエンコーダデコーダを導入する。 さらに,デコーダ出力の判別器を用いて再構成誤差を最小化する。 我々はCryo-EM 5HDBと回転したMNISTデータセットによるアプローチを実証し、最近の手法よりも大幅に改善したことを示す。

関連論文リスト

• CryoSPIN: Improving Ab-Initio Cryo-EM Reconstruction with Semi-Amortized Pose Inference [30.195615398809043]
  Cryo-EMは、高分子錯体の原子分解能3次元構造を決定する方法として人気が高まっている。 近年のCryo-EMの進歩は、アモートされた推論がポーズを予測するために使われている深層学習に焦点が当てられている。 本稿では,半アモタイズ法であるCryoSPINを提案する。この手法では,復元はアモタイズされた推論から始まり,自動デコードに切り替える。
  論文  参考訳（メタデータ） (2024-06-15T00:44:32Z)
• Improved Cryo-EM Pose Estimation and 3D Classification through Latent-Space Disentanglement [14.973360669658561]
  本稿では,自己教師付き変分オートエンコーダアーキテクチャであるHetACUMNを提案する。 シミュレーションデータセットの結果,HetACUMNは,他のアモータイズ法や非アモータイズ法よりも正確なコンフォメーション分類が得られた。
  論文  参考訳（メタデータ） (2023-08-09T13:41:30Z)
• Passive superresolution imaging of incoherent objects [63.942632088208505]
  手法は、Hermite-Gaussianモードとその重ね合わせのオーバーコンプリートベースで、画像平面内のフィールドの空間モード成分を測定することで構成される。 ディープニューラルネットワークは、これらの測定からオブジェクトを再構築するために使用される。
  論文  参考訳（メタデータ） (2023-04-19T15:53:09Z)
• CryoFormer: Continuous Heterogeneous Cryo-EM Reconstruction using Transformer-based Neural Representations [49.49939711956354]
  核電子顕微鏡(cryo-EM)は、タンパク質やその他の生体分子の3D構造を高分解能で再構築することを可能にする。 3次元構造の連続的な動きをノイズやランダムに配向した2次元Creo-EM画像から再構成することは依然として困難である。 我々はCryoFormerを提案する。CryoFormerは連続したヘテロジニアスCryo-EM再構成のための新しいアプローチである。
  論文  参考訳（メタデータ） (2023-03-28T18:59:17Z)
• $PC^2$: Projection-Conditioned Point Cloud Diffusion for Single-Image 3D Reconstruction [97.06927852165464]
  単一のRGB画像から物体の3次元形状を再構築することは、コンピュータビジョンにおける長年の課題である。 条件付き偏光拡散プロセスによりスパース点雲を生成する単一像3次元再構成法を提案する。
  論文  参考訳（メタデータ） (2023-02-21T13:37:07Z)
• Boosted ab initio Cryo-EM 3D Reconstruction with ACE-EM [19.585695160684363]
  ACE(Asymmetric Complementary AutoEncoder)と呼ばれる改良されたオートエンコーダアーキテクチャを提案する。 従来の手法と比較して、ACE-EMはトレーニング時間内により高いポーズ空間に到達した。 ACE-EMはニキスト分解能に到達した唯一の償却推論法である。
  論文  参考訳（メタデータ） (2023-02-13T04:18:58Z)
• 3D-Aware Encoding for Style-based Neural Radiance Fields [50.118687869198716]
  我々は、入力画像をNeRFジェネレータの潜時空間に投影する反転関数を学び、潜時符号に基づいて原画像の新しいビューを合成する。 2次元生成モデルのGANインバージョンと比較して、NeRFインバージョンは、1)入力画像の同一性を維持するだけでなく、2)生成した新規なビューにおいて3D一貫性を確保する必要がある。 スタイルベースNeRFインバージョンのための2段階エンコーダを提案する。
  論文  参考訳（メタデータ） (2022-11-12T06:14:12Z)
• Orthogonal Matrix Retrieval with Spatial Consensus for 3D Unknown-View Tomography [58.60249163402822]
  未知視トモグラフィ(UVT)は、未知のランダムな向きで2次元投影から3次元密度マップを再構成する。 提案したOMRはより堅牢で、従来の最先端のOMRアプローチよりも大幅に性能が向上している。
  論文  参考訳（メタデータ） (2022-07-06T21:40:59Z)
• 3D Reconstruction of Curvilinear Structures with Stereo Matching DeepConvolutional Neural Networks [52.710012864395246]
  本稿では,立体対における曲線構造の検出とマッチングのための完全自動パイプラインを提案する。 主に、TEM画像のステレオ対から転位を3次元再構成することに焦点を当てる。
  論文  参考訳（メタデータ） (2021-10-14T23:05:47Z)
• End-to-End Simultaneous Learning of Single-particle Orientation and 3D Map Reconstruction from Cryo-electron Microscopy Data [6.492960184257025]
  低温電子顕微鏡(cryo-EM)は、同じ生体分子の異なるコピーから任意の向きに画像を提供する。 本稿では,Cryo-EMデータから各粒子の向きを学習するエンド・ツー・エンドの非教師的手法を提案する。
  論文  参考訳（メタデータ） (2021-07-07T00:39:58Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。