論文の概要: Ab-initio Contrast Estimation and Denoising of Cryo-EM Images
- arxiv url: http://arxiv.org/abs/2202.07737v1
- Date: Tue, 15 Feb 2022 21:31:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-17 15:17:03.324276
- Title: Ab-initio Contrast Estimation and Denoising of Cryo-EM Images
- Title（参考訳）: Cryo-EM画像の非初期コントラスト推定と復調
- Authors: Yunpeng Shi and Amit Singer
- Abstract要約: 本稿では,3次元ボリューム情報を用いることなく,ノイズの多い画像から直接コントラスト推定を行う手法を提案する。
単一粒子分析の初期段階においてコントラスト補正が可能であり、下流処理の精度を向上させることができる。
- 参考スコア（独自算出の注目度）: 12.807080095995136
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Background and Objective: The contrast of cryo-EM images vary from one to
another, primarily due to the uneven thickness of ice layers. The variation of
contrast can affect the quality of 2-D class averaging, 3-D ab-initio modeling,
and 3-D heterogeneity analysis. Contrast estimation is currently performed
during 3-D iterative refinement. As a result, the estimates are not available
for class averaging and ab-initio modeling. However, these methods require good
initial estimates of 3-D volumes and 3-D rotations of molecules. This paper
aims to solve the contrast estimation problem in the ab-initio stage, without
estimating the 3-D volume.
Methods: The key observation underlying our analysis is that the 2-D
covariance matrix of the raw images is related to the covariance of the
underlying clean images, the noise variance, and the contrast variability
between images. We show that the contrast variability can be derived from the
2-D covariance matrix and use the existing Covariance Wiener Filtering (CWF)
framework to estimate it. We also demonstrate a modification of CWF to estimate
the contrast of individual images.
Results: Our method improves the contrast estimation by a large margin,
compared to the previous CWF method. Its estimation accuracy is often
comparable to that of an oracle that knows the ground truth covariance of the
clean images. The more accurate contrast estimation also improves the quality
of image denoising as demonstrated in both synthetic and experimental datasets.
Conclusions: This paper proposes an effective method for contrast estimation
directly from noisy images without using any 3-D volume information. It enables
contrast correction in the earlier stage of single particle analysis, and may
improve the accuracy of downstream processing.
- Abstract（参考訳）: 背景と目的:cryo-em画像のコントラストは、主に氷層が不均一なため、それぞれ異なる。
コントラストのばらつきは、2次元クラス平均化、3次元ab-initioモデリング、および3次元の不均一性解析の品質に影響する。
コントラスト推定は現在3次元反復精錬中に行われる。
その結果、推定値はクラス平均化やab-initioモデリングでは利用できない。
しかし、これらの方法は分子の3次元体積と3次元回転の適切な初期推定を必要とする。
本稿では,3次元ボリュームを推定することなく,アブイニティ段階でのコントラスト推定問題を解くことを目的とする。
方法: 原画像の2次元共分散行列は, 基礎となるクリーン画像の共分散, ノイズ分散, 画像間のコントラスト変動と関連している。
コントラスト変動は2次元共分散行列から導出することができ、既存の共分散ウィナーフィルタ(CWF)フレームワークを用いて推定できることを示す。
また,個々の画像のコントラストを推定するために,CWFの修正を行った。
結果: 提案手法は, 従来のCWF法と比較して, コントラスト推定を大きなマージンで改善する。
その推定精度は、クリーン画像の真理共分散を知っているオラクルのものとしばしば同等である。
より正確なコントラスト推定は、合成データセットと実験データセットの両方で示されるように、画像のノイズ化の品質も改善する。
結論: 3次元ボリューム情報を用いることなく, ノイズ画像から直接のコントラスト推定を効果的に行う手法を提案する。
単一粒子分析の初期におけるコントラスト補正を可能にし、下流処理の精度を向上させることができる。
関連論文リスト
- Gadolinium dose reduction for brain MRI using conditional deep learning [66.99830668082234]
これらの手法の主な課題は、コントラスト強調の正確な予測と現実的な画像の合成である。
コントラスト前の画像対とコントラスト後の画像対のサブトラクション画像に符号化されたコントラスト信号を利用することで、両課題に対処する。
各種スキャナー,フィールド強度,コントラストエージェントを用いた合成および実データに対するアプローチの有効性を示す。
論文 参考訳（メタデータ） (2024-03-06T08:35:29Z) - RadOcc: Learning Cross-Modality Occupancy Knowledge through Rendering
Assisted Distillation [50.35403070279804]
マルチビュー画像を用いた3次元シーンの占有状況とセマンティクスを推定することを目的とした,新たな課題である3D占有予測手法を提案する。
本稿では,RandOccを提案する。Rendering Assisted distillation paradigm for 3D Occupancy prediction。
論文 参考訳（メタデータ） (2023-12-19T03:39:56Z) - GAN-based Image Compression with Improved RDO Process [20.00340507091567]
速度歪みの最適化を改良した新しいGANベースの画像圧縮手法を提案する。
これを実現するために、DisTSとMS-SSIMのメトリクスを用いて、色、テクスチャ、構造における知覚的変性を測定する。
提案手法は,既存のGAN法および最先端ハイブリッド(VVC)よりも優れている。
論文 参考訳（メタデータ） (2023-06-18T03:21:11Z) - Diffusion Models for Contrast Harmonization of Magnetic Resonance Images [0.6965384453064828]
本研究ではコントラスト調和のための拡散モデルに基づくアプローチを提案する。
多発性硬化症患者18名と健常者22名からなるデータセットを用いて検討した。
解剖学的情報ではなくコントラストだけを変更したいので,本手法では,原画像を用いて画像から画像への変換プロセスを導出する。
論文 参考訳（メタデータ） (2023-03-14T19:24:23Z) - Unified Multivariate Gaussian Mixture for Efficient Neural Image
Compression [151.3826781154146]
先行変数と超優先度を持つ潜伏変数は、変動画像圧縮において重要な問題である。
ベクトル化された視点で潜伏変数を観察する際、相関関係や相関関係は存在する。
当社のモデルでは、速度歪曲性能が向上し、圧縮速度が3.18倍に向上した。
論文 参考訳（メタデータ） (2022-03-21T11:44:17Z) - Modulated Contrast for Versatile Image Synthesis [60.304183493234376]
MoNCEは画像のコントラストを導入し、多面的画像間距離の知覚のための校正基準を学習する。
複数の対照的な目的に対して協調的に負のサンプルのプッシュ力を変調するために,MoNCEの最適輸送を導入する。
論文 参考訳（メタデータ） (2022-03-17T14:03:46Z) - A Model for Multi-View Residual Covariances based on Perspective
Deformation [88.21738020902411]
マルチビューSfM, オードメトリ, SLAMセットアップにおける視覚的残差の共分散モデルの導出を行う。
我々は、合成データと実データを用いてモデルを検証し、それを光度および特徴量に基づくバンドル調整に統合する。
論文 参考訳（メタデータ） (2022-02-01T21:21:56Z) - A Comprehensive Comparison of Multi-Dimensional Image Denoising Methods [14.702885691557638]
合成と実世界の両方のデータセットで60以上の手法を比較した。
単純な行列ベースのアルゴリズムは、テンソルと同じような結果が得られることを示す。
合成ガウスノイズで訓練されたいくつかのモデルは、実世界のカラー画像とビデオデータセットに最先端のパフォーマンスを示す。
論文 参考訳（メタデータ） (2020-11-06T16:28:17Z) - Consistency Guided Scene Flow Estimation [159.24395181068218]
CGSFは立体映像からの3次元シーン構造と動きの同時再構成のための自己教師型フレームワークである。
提案モデルでは,課題の画像の相違やシーンフローを確実に予測できることを示す。
最先端技術よりも優れた一般化を実現し、目に見えない領域に迅速かつ堅牢に適応する。
論文 参考訳（メタデータ） (2020-06-19T17:28:07Z)
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。