論文の概要: Scalable 3D Reconstruction From Single Particle X-Ray Diffraction Images
Based on Online Machine Learning
- arxiv url: http://arxiv.org/abs/2312.14432v1
- Date: Fri, 22 Dec 2023 04:41:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-25 16:00:52.591299
- Title: Scalable 3D Reconstruction From Single Particle X-Ray Diffraction Images
Based on Online Machine Learning
- Title（参考訳）: オンライン機械学習に基づく単一粒子x線回折画像からのスケーラブルな3次元再構成
- Authors: Jay Shenoy, Axel Levy, Fr\'ed\'eric Poitevin, Gordon Wetzstein
- Abstract要約: 我々は,大規模なX線SPIデータセットから3次元マクロ分子の構造を推定するオンライン再構成フレームワークであるX-RAIを紹介する。
我々は,X-RAIがシミュレーションおよび実験環境における小規模データセットの最先端性能を達成することを実証した。
- 参考スコア（独自算出の注目度）: 34.12502156343611
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: X-ray free-electron lasers (XFELs) offer unique capabilities for measuring
the structure and dynamics of biomolecules, helping us understand the basic
building blocks of life. Notably, high-repetition-rate XFELs enable single
particle imaging (X-ray SPI) where individual, weakly scattering biomolecules
are imaged under near-physiological conditions with the opportunity to access
fleeting states that cannot be captured in cryogenic or crystallized
conditions. Existing X-ray SPI reconstruction algorithms, which estimate the
unknown orientation of a particle in each captured image as well as its shared
3D structure, are inadequate in handling the massive datasets generated by
these emerging XFELs. Here, we introduce X-RAI, an online reconstruction
framework that estimates the structure of a 3D macromolecule from large X-ray
SPI datasets. X-RAI consists of a convolutional encoder, which amortizes pose
estimation over large datasets, as well as a physics-based decoder, which
employs an implicit neural representation to enable high-quality 3D
reconstruction in an end-to-end, self-supervised manner. We demonstrate that
X-RAI achieves state-of-the-art performance for small-scale datasets in
simulation and challenging experimental settings and demonstrate its
unprecedented ability to process large datasets containing millions of
diffraction images in an online fashion. These abilities signify a paradigm
shift in X-ray SPI towards real-time capture and reconstruction.
- Abstract（参考訳）: X線自由電子レーザー(XFEL)は、生体分子の構造と力学を計測し、生命の基本的な構成要素を理解するのに役立つ。
特に、高い繰り返し速度のXFELは、低温または結晶化状態では捕獲できないフリーティング状態にアクセスする機会として、個々の弱い散乱生体分子をほぼ生理的条件下で撮像する単一粒子イメージング(X線SPI)を可能にする。
既存のX線SPI再構成アルゴリズムは、各撮像画像中の粒子の未知の向きと共有3次元構造を推定するが、これらの新興XFELによって生成された大量のデータセットを扱うには不十分である。
本稿では,大規模なX線SPIデータセットから3次元マクロ分子の構造を推定するオンライン再構成フレームワークであるX-RAIを紹介する。
X-RAIは畳み込みエンコーダ(convolutional encoder)で構成されており、大きなデータセットに対するポーズ推定をアモーティズするとともに、暗黙の神経表現を用いてエンドツーエンドで自己管理的な高品質な3D再構成を可能にする物理ベースのデコーダ(decoder)も備えている。
我々は、X-RAIがシミュレーションと挑戦的な実験環境において、数百万の回折画像を含む大規模なデータセットをオンライン形式で処理する前例のない能力を示した。
これらの能力は、リアルタイムのキャプチャと再構築に向けたX線SPIのパラダイムシフトを表している。
関連論文リスト
- fMRI-3D: A Comprehensive Dataset for Enhancing fMRI-based 3D Reconstruction [50.534007259536715]
我々は15人の参加者のデータを含むfMRI-3Dデータセットを提示し、合計4768個の3Dオブジェクトを展示する。
我々は,fMRI信号から3次元視覚情報を復号化するための新しいフレームワークMinD-3Dを提案する。
論文 参考訳（メタデータ） (2024-09-17T16:13:59Z) - Outdoor Scene Extrapolation with Hierarchical Generative Cellular Automata [70.9375320609781]
我々は,自律走行車(AV)で多量に捕獲された大規模LiDARスキャンから微細な3次元形状を生成することを目指している。
本稿では,空間的にスケーラブルな3次元生成モデルである階層型生成セルオートマトン (hGCA) を提案する。
論文 参考訳（メタデータ） (2024-06-12T14:56:56Z) - Augmenting x-ray single particle imaging reconstruction with
self-supervised machine learning [5.109422776828829]
粒子配向を復元し、回折画像のみから相互空間強度を推定するエンド・ツー・エンドの自己教師型機械学習手法を提案する。
提案手法は,従来のアルゴリズムと比較して,再現性を大幅に向上した実験条件下での強靭性を示す。
論文 参考訳（メタデータ） (2023-11-28T10:05:44Z) - Structure-Aware Sparse-View X-ray 3D Reconstruction [26.91084106735878]
スパースビューX線3次元再構成のための構造対応X線ニューラルラジオ密度場(SAX-NeRF)を提案する。
Linefomerは、X線の各線分内の依存関係をモデル化することで、3D空間内のオブジェクトの内部構造をキャプチャする。
X3Dの実験では、SAX-NeRFは、新しいビュー合成とCT再構成において、従来のNeRF法を12.56と2.49dBで上回っている。
論文 参考訳（メタデータ） (2023-11-18T03:39:02Z) - 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) - X-Ray2EM: Uncertainty-Aware Cross-Modality Image Reconstruction from
X-Ray to Electron Microscopy in Connectomics [55.6985304397137]
膜セグメンテーション品質を向上したEMライクな画像にX線画像を変換する不確実性を考慮した3D再構成モデルを提案する。
これは、よりシンプルで、より高速で、より正確なX線ベースのコネクトロミクスパイプラインを開発する可能性を示している。
論文 参考訳（メタデータ） (2023-03-02T00:52:41Z) - A Self-Supervised Approach to Reconstruction in Sparse X-Ray Computed
Tomography [1.0806206850043696]
この研究は、物理インフォームド変分オートエンコーダである自己教師付き確率的ディープラーニング技術を開発し、検証する。
ディープニューラルネットワークは、スパース2次元の投影測定を、既知の類似したオブジェクトのデータセットをトレーニングすることで3次元の再構成に変換するために使用されている。
高品質な再構成はディープラーニングなしでは生成できず、深層ニューラルネットワークは再構築なしでは学習できない。
論文 参考訳（メタデータ） (2022-10-30T02:33:45Z) - CryoAI: Amortized Inference of Poses for Ab Initio Reconstruction of 3D
Molecular Volumes from Real Cryo-EM Images [30.738209997049395]
粒子ポーズの勾配に基づく最適化と単一粒子Creo-EMデータからの電子散乱電位を用いた等質コンフォーメーションのためのアブイニシアト再構成アルゴリズムであるCreoAIを紹介する。
CryoAIは、シミュレーションデータと実験データの両方に対して、最先端のCryo-EMソルバと同等の結果を得る。
論文 参考訳（メタデータ） (2022-03-15T17:58:03Z) - Classification of diffraction patterns using a convolutional neural
network in single particle imaging experiments performed at X-ray
free-electron lasers [53.65540150901678]
X線自由電子レーザー(XFEL)における単一粒子イメージング(SPI)は、その自然環境における粒子の3次元構造を決定するのに特に適している。
再建を成功させるためには、単一のヒットに由来する回折パターンを多数の取得パターンから分離する必要がある。
本稿では,この課題を画像分類問題として定式化し,畳み込みニューラルネットワーク(CNN)アーキテクチャを用いて解決することを提案する。
論文 参考訳（メタデータ） (2021-12-16T17:03:14Z) - Scaling and Acceleration of Three-dimensional Structure Determination
for Single-Particle Imaging Experiments with SpiniFEL [0.0]
単粒子イメージング(SPI)実験からタンパク質の構造決定に使用されるSpiniFELについて述べる。
SpiniFELは、実験が行われている間、ほぼリアルタイムでスーパーコンピュータ上で動くように開発されており、データに対するフィードバックがデータ収集戦略を導くことができる。
論文 参考訳（メタデータ） (2021-09-11T18:49:54Z)
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。