論文の概要: CryoCCD: Conditional Cycle-consistent Diffusion with Biophysical Modeling for Cryo-EM Synthesis

• arxiv url: http://arxiv.org/abs/2505.23444v1
• Date: Thu, 29 May 2025 13:40:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-30 18:14:07.880519
• Title: CryoCCD: Conditional Cycle-consistent Diffusion with Biophysical Modeling for Cryo-EM Synthesis
• Title（参考訳）: CryoCCD:Cryo-EM合成のための生体物理モデリングによる条件付きサイクル一貫性拡散
• Authors: Runmin Jiang, Genpei Zhang, Yuntian Yang, Siqi Wu, Yuheng Zhang, Wanyue Feng, Yizhou Zhao, Xi Xiao, Xiao Wang, Tianyang Wang, Xingjian Li, Min Xu,
• Abstract要約: 生物物理モデリングと生成技術を統合する合成フレームワークであるCryoCCDを提案する。 CryoCCDは、現実的な生物物理学的変動を反映したマルチスケールのCryo-EMマイクログラフを生成する。 実験により、CryoCCDは構造的に正確なマイクログラフを生成し、下流タスクのパフォーマンスを向上させることが示された。
• 参考スコア（独自算出の注目度）: 24.767861540998478
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cryo-electron microscopy (cryo-EM) offers near-atomic resolution imaging of macromolecules, but developing robust models for downstream analysis is hindered by the scarcity of high-quality annotated data. While synthetic data generation has emerged as a potential solution, existing methods often fail to capture both the structural diversity of biological specimens and the complex, spatially varying noise inherent in cryo-EM imaging. To overcome these limitations, we propose CryoCCD, a synthesis framework that integrates biophysical modeling with generative techniques. Specifically, CryoCCD produces multi-scale cryo-EM micrographs that reflect realistic biophysical variability through compositional heterogeneity, cellular context, and physics-informed imaging. To generate realistic noise, we employ a conditional diffusion model, enhanced by cycle consistency to preserve structural fidelity and mask-aware contrastive learning to capture spatially adaptive noise patterns. Extensive experiments show that CryoCCD generates structurally accurate micrographs and enhances performance in downstream tasks, outperforming state-of-the-art baselines in both particle picking and reconstruction.
• Abstract（参考訳）: Cryo-Electron microscopy (Cryo-EM) は、マクロ分子の原子に近い分解能画像を提供するが、下流解析のための堅牢なモデルの開発は、高品質な注釈付きデータの不足によって妨げられる。 合成データ生成は潜在的な解決策として現れてきたが、既存の方法では、生体試料の構造的多様性と、低温-EMイメージングに固有の複雑な空間的なノイズの両方を捉えることができないことが多い。 これらの制約を克服するために,生物物理モデリングと生成技術を統合する合成フレームワークであるCryoCCDを提案する。 具体的には、CryoCCDは、組成の不均一性、細胞コンテキスト、物理インフォームドイメージングを通じて、現実的な生物物理学的変動を反映するマルチスケールのCryo-EMマイクログラフを生成する。 現実的な雑音を生成するために,回路の整合性により強化された条件拡散モデルを用いて,空間適応型雑音パターンを捉えるために,構造的忠実度とマスク対応のコントラスト学習を行う。 大規模な実験により、CryoCCDは構造的に正確なマイクログラフを生成し、下流タスクのパフォーマンスを高め、粒子の拾い上げと再構成の両方において最先端のベースラインを上回ります。

関連論文リスト

• CryoFM: A Flow-based Foundation Model for Cryo-EM Densities [50.291974465864364]
  生成モデルとして設計された基礎モデルであるCryoFMについて,高品質密度マップの分布を学習する。 フローマッチングに基づいて構築されたCryoFMは、生物分子密度マップの以前の分布を正確に捉えるために訓練されている。
  論文  参考訳（メタデータ） (2024-10-11T08:53:58Z)
• CryoBench: Diverse and challenging datasets for the heterogeneity problem in cryo-EM [3.424647356090208]
  核電子顕微鏡(cryo-EM)は、画像データから高分解能の3次元生体分子構造を決定するための強力な技術である。 ここでは、CryoBenchを紹介します。CryoBenchは、Cleo-EMにおける異種再構成のためのデータセット、メトリクス、ベンチマークのスイートです。
  論文  参考訳（メタデータ） (2024-08-10T11:48:14Z)
• Diffusion-driven lensless fiber endomicroscopic quantitative phase imaging towards digital pathology [43.237550839304774]
  マルチコアファイバ(MCF)の検出側で捕獲されたスペックルから直接位相像を再構成するためのスペックル条件拡散モデル(SpecDiffusion)を提案する。 従来のニューラルネットワークとは異なり、SpecDiffusionはスペックル駆動の位相再構成に反復的な位相分解ステップを採用している。 SpecDiffusionは高忠実度位相再構成結果を提供し、見えない物体に対して強力な一般化能力を示す。
  論文  参考訳（メタデータ） (2024-07-26T01:42:31Z)
• CryoMAE: Few-Shot Cryo-EM Particle Picking with Masked Autoencoders [8.896148074086762]
  我々は,Cryo-EM画像における単一粒子の効率的な選択を可能にするために,数ショット学習に基づく新しいアプローチであるCryoMAEを紹介する。 従来のNNベースの手法とは対照的に、CryoMAEはトレーニングのために最小限の正の粒子画像しか必要としないが、粒子検出の性能は高い。 大規模なCryo-EMデータセットの実験では、CryoMAEは既存のSOTA(State-of-the-art)手法より優れており、3D再構成の解像度は最大22.4%向上している。
  論文  参考訳（メタデータ） (2024-04-15T23:23:31Z)
• Robust single-particle cryo-EM image denoising and restoration [11.173867153077692]
  核電子顕微鏡(cryo-EM)は、2Dマイクログラフの再構成によって生体分子の原子レベルに近い分解能を達成している。 しかし, 極低信号-雑音比(SNR)とCryo-EM画像の複素雑音構造により, 再構成粒子の分解能と精度は著しく低下する。 本稿では,単一粒子Cryo-EM画像を効果的に復号・復号化するためのプロセス後フレームワークを用いた拡散モデルを提案する。
  論文  参考訳（メタデータ） (2024-01-02T08:33:36Z)
• CryoGEM: Physics-Informed Generative Cryo-Electron Microscopy [38.57626501108458]
  物理インフォームド生成型低温電子顕微鏡(CryoGEM)を紹介する。 CryoGEMは、物理に基づくCryo-EMシミュレーションと生成不能ノイズ変換を統合して、現実的なノイズを生成する。 実験の結果,CryoGEMはCryo-EM画像を生成することができることがわかった。
  論文  参考訳（メタデータ） (2023-12-04T07:52:56Z)
• OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
  オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。 臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
  論文  参考訳（メタデータ） (2022-06-17T08:11:26Z)
• Residual-Sparse Fuzzy $C$-Means Clustering Incorporating Morphological Reconstruction and Wavelet frames [146.63177174491082]
  Fuzzy $C$-Means (FCM)アルゴリズムは、形態的再構成操作とタイトウェーブレットフレーム変換を組み込んでいる。 特徴集合とその理想値の間の残差に対して$ell_0$正規化項を付与することにより、改良されたFCMアルゴリズムを提案する。 合成, 医用, カラー画像に対する実験結果から, 提案アルゴリズムは効率的かつ効率的であり, 他のアルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2020-02-14T10:00:03Z)

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。