論文の概要: Learning to recover orientations from projections in single-particle cryo-EM

• arxiv url: http://arxiv.org/abs/2104.06237v1
• Date: Tue, 13 Apr 2021 14:31:37 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-14 18:48:36.123787
• Title: Learning to recover orientations from projections in single-particle cryo-EM
• Title（参考訳）: 単粒子cryo-emにおける投影から方位を回復する学習
• Authors: Jelena Banjac, Laur\`ene Donati, Micha\"el Defferrard
• Abstract要約: 単粒子核電子顕微鏡(cryo-em)における大きな課題は、イメージングに先立つ3d粒子が採用する配向が未知であることである。 得られた2次元プロジェクションの集合から直接これらの方向を復元する手法を提案する。 提案手法は, (i) 射影の対の距離の推定と (ii) それぞれの射影の向きをこれらの距離から復元する2つのステップから構成される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A major challenge in single-particle cryo-electron microscopy (cryo-EM) is that the orientations adopted by the 3D particles prior to imaging are unknown; yet, this knowledge is essential for high-resolution reconstruction. We present a method to recover these orientations directly from the acquired set of 2D projections. Our approach consists of two steps: (i) the estimation of distances between pairs of projections, and (ii) the recovery of the orientation of each projection from these distances. In step (i), pairwise distances are estimated by a Siamese neural network trained on synthetic cryo-EM projections from resolved bio-structures. In step (ii), orientations are recovered by minimizing the difference between the distances estimated from the projections and the distances induced by the recovered orientations. We evaluated the method on synthetic cryo-EM datasets. Current results demonstrate that orientations can be accurately recovered from projections that are shifted and corrupted with a high level of noise. The accuracy of the recovery depends on the accuracy of the distance estimator. While not yet deployed in a real experimental setup, the proposed method offers a novel learning-based take on orientation recovery in SPA. Our code is available at https://github.com/JelenaBanjac/protein-reconstruction
• Abstract（参考訳）: 単粒子核電子顕微鏡(cryo-em)における大きな課題は、撮像に先立つ3d粒子が採用する配向が未知であるが、この知識は高分解能再構成に不可欠である。 得られた2次元プロジェクションの集合から直接これらの方向を復元する手法を提案する。 提案手法は, (i) 射影の対の距離の推定と (ii) それぞれの射影の向きをこれらの距離から復元する2つのステップから構成される。 ステップ(i)では、分解された生体構造から合成cryo-em投射を訓練したシアムニューラルネットワークによってペアワイズ距離を推定する。 ステップ(ii)では、投影から推定される距離と回収された方位によって引き起こされる距離との差を最小化し、方位を回復する。 合成cryo-emデータセットの手法を評価した。 以上の結果から, 高い騒音レベルで移動・劣化する投影から, 方位を正確に復元できることが示されている。 回収の精度は距離推定器の精度に依存する。 実際の実験環境ではまだ展開されていないが,提案手法は,SPAにおけるオリエンテーション回復のための新しい学習手法を提供する。 私たちのコードはhttps://github.com/JelenaBanjac/ protein-reconstructionで利用可能です。

関連論文リスト

• CoCPF: Coordinate-based Continuous Projection Field for Ill-Posed Inverse Problem in Imaging [78.734927709231]
  スパース・ビュー・コンピュート・トモグラフィー(SVCT)の再構成は,スパース・サンプリングによるCT画像の取得を目的としている。 暗黙的な神経表現(INR)技術は、不備のため、その分野に「かなりの穴」(すなわち、未モデル化空間)を残し、準最適結果をもたらす可能性がある。 SVCT再構成のためのホールフリー表現場を構築することを目的としたコーディネート型連続射影場(CoCPF)を提案する。
  論文  参考訳（メタデータ） (2024-06-21T08:38:30Z)
• A Deep Learning Method for Simultaneous Denoising and Missing Wedge Reconstruction in Cryogenic Electron Tomography [23.75819355889607]
  本稿では,DeepDeWedgeと呼ばれるウェッジ再構築を同時に行う深層学習手法を提案する。 このアルゴリズムは、基礎となる真理データを必要としないため、ニューラルネットワークを自己教師付きロスを用いて2次元投影に適合させることに基づいている。
  論文  参考訳（メタデータ） (2023-11-09T17:34:57Z)
• Cryo-forum: A framework for orientation recovery with uncertainty measure with the application in cryo-EM image analysis [0.0]
  本稿では,10次元特徴ベクトルを用いて方向を表現し,予測方向を単位四元数として導出し,不確実な距離で補足する擬似制約擬似プログラムを提案する。 本手法は,2次元Creo-EM画像からの向きをエンドツーエンドで効果的に復元することを示し,不確実性を含むことにより,データセットを3次元レベルで直接クリーンアップすることができる。
  論文  参考訳（メタデータ） (2023-07-19T09:09:24Z)
• 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)
• Information Entropy Initialized Concrete Autoencoder for Optimal Sensor Placement and Reconstruction of Geophysical Fields [58.720142291102135]
  そこで本稿では,スパーク計測による地場再構成のためのセンサ配置の最適化について提案する。 本研究では, (a) 温度と (b) バレンツ海周辺の塩分濃度場とスバルバルド諸島群を例に示す。 得られた最適センサ位置は, 物理的解釈が明確であり, 海流の境界に対応することが判明した。
  論文  参考訳（メタデータ） (2022-06-28T12:43:38Z)
• Robust Self-Supervised LiDAR Odometry via Representative Structure Discovery and 3D Inherent Error Modeling [67.75095378830694]
  そこで我々は,2段階のオドメトリ推定ネットワークを構築し,一連の部分領域変換を推定してエゴモーメントを求める。 本稿では,トレーニング,推論,マッピングフェーズにおける信頼できない構造の影響を軽減することを目的とする。 我々の2フレームのオードメトリーは、翻訳/回転誤差の点で、過去の芸術の状態を16%/12%上回っている。
  論文  参考訳（メタデータ） (2022-02-27T12:52:27Z)
• Matrix factorisation and the interpretation of geodesic distance [6.445605125467574]
  グラフや類似性行列が与えられた場合、ノード間の真の距離の概念を回復する問題を考察する。 行列の分解と非線形次元の減少という2つのステップで達成できることが示される。
  論文  参考訳（メタデータ） (2021-06-02T16:11:33Z)
• Amplifying the Anterior-Posterior Difference via Data Enhancement -- A More Robust Deep Monocular Orientation Estimation Solution [7.540176446791261]
  既存のディープラーニングベースの単眼方向推定アルゴリズムは、オブジェクトの前部と後部の混乱の問題に直面している。 本研究では,物体の向きが位置する左右半円を予測することに焦点を当てた事前学習手法を提案する。 実験の結果,提案する半円予測により方向推定の精度が向上し,上記の問題を緩和できることがわかった。
  論文  参考訳（メタデータ） (2020-12-21T15:36:13Z)
• Probabilistic 3D surface reconstruction from sparse MRI information [58.14653650521129]
  スパース2次元MR画像データとアレータティック不確実性予測から3次元表面再構成を同時に行うための新しい確率論的深層学習手法を提案する。 本手法は,3つの準直交MR画像スライスから,限られたトレーニングセットから大きな表面メッシュを再構成することができる。
  論文  参考訳（メタデータ） (2020-10-05T14:18:52Z)
• Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
  トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。 患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。 本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T09:49:11Z)

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。