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

• arxiv url: http://arxiv.org/abs/2505.23444v4
• Date: Sun, 05 Oct 2025 01:40:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-07 14:28:09.977982
• 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, Minhao Wu, Wanyue Feng, Yizhou Zhao, Xi Xiao, Xiao Wang, Tianyang Wang, Xingjian Li, Muyuan Chen, Min Xu,
• Abstract要約: 単一粒子低温電子顕微鏡(cryo-EM)は構造生物学の基盤となっている。 本稿では,CryoCCDについて述べる。CryoCCD,CryoCCD,CryoCCD,CryoCCD,CryoCCD,CryoCCD。
• 参考スコア（独自算出の注目度）: 29.679758514584986
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Single-particle cryo-electron microscopy (cryo-EM) has become a cornerstone of structural biology, enabling near-atomic resolution analysis of macromolecules through advanced computational methods. However, the development of cryo-EM processing tools is constrained by the scarcity of high-quality annotated datasets. Synthetic data generation offers a promising alternative, but existing approaches lack thorough biophysical modeling of heterogeneity and fail to reproduce the complex noise observed in real imaging. To address these limitations, we present CryoCCD, a synthesis framework that unifies versatile biophysical modeling with the first conditional cycle-consistent diffusion model tailored for cryo-EM. The biophysical engine provides multi-functional generation capabilities to capture authentic biological organization, and the diffusion model is enhanced with cycle consistency and mask-guided contrastive learning to ensure realistic noise while preserving structural fidelity. Extensive experiments demonstrate that CryoCCD generates structurally faithful micrographs, enhances particle picking and pose estimation, as well as achieves superior performance over state-of-the-art baselines, while also generalizing effectively to held-out protein families.
• Abstract（参考訳）: 単一粒子の低温電子顕微鏡(cryo-EM)は構造生物学の基盤となり、高度な計算手法によってマクロ分子の原子間分解能解析を可能にしている。 しかし,Cryo-EM処理ツールの開発は,高品質なアノテートデータセットの不足に制約されている。 合成データ生成は有望な代替手段を提供するが、既存のアプローチでは不均一性の完全な生物物理学的モデリングが欠如しており、実画像で観測される複雑なノイズを再現することができない。 これらの制約に対処するため、CryoCCDは、CryoCCD(Cryo-EMに適した第1条件付きサイクル一貫性拡散モデル)と多種生物物理モデリングを統一する合成フレームワークである。 バイオフィジカルエンジンは、本物の生体組織を捕捉する多機能生成機能を提供し、拡散モデルは、サイクル一貫性とマスク誘導コントラスト学習により強化され、構造的忠実性を維持しつつ、現実的なノイズを保証する。 広範な実験により、CryoCCDは構造的に忠実なマイクログラフを生成し、パーティクルピッキングとポーズ推定を増強し、最先端のベースラインよりも優れた性能を達成するとともに、保持されたタンパク質ファミリーに効果的に一般化することを示した。

関連論文リスト

• CryoGS: Gaussian Splatting for Cryo-EM Homogeneous Reconstruction [55.2480439325792]
  低温電子顕微鏡(cryo-EM)は、分子構造をほぼ原子の分解能で決定するのに役立つ。 単一粒子Cryo-EMにおける中心的な計算課題は、分子の3次元静電ポテンシャルを再構築することである。 本稿では,GMMをベースとしたGMM法であるCryoGSを紹介し,Gaussian splattingとCryo-EM画像形成の物理を融合させる。
  論文  参考訳（メタデータ） (2025-08-06T23:24:43Z)
• Adaptive Attention Residual U-Net for curvilinear structure segmentation in fluorescence microscopy and biomedical images [0.0]
  蛍光標識した微小管の合成画像数百枚からなるデータセットを細胞内に生成する。 これらのデータセットは正確にアノテートされ、リアルなノイズを含む実際の顕微鏡画像に忠実に模倣される。 第2のデータセットは、セグメンテーションを複雑にするフィラメントに沿って様々な蛍光強度をシミュレートする追加の課題を示す。 本稿では,新しいアーキテクチャであるAdaptive Squeeze-and-Excitation Residual U-Netを開発する。
  論文  参考訳（メタデータ） (2025-07-10T14:26:50Z)
• 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)
• StealthDiffusion: Towards Evading Diffusion Forensic Detection through Diffusion Model [62.25424831998405]
  StealthDiffusionは、AI生成した画像を高品質で受け入れがたい敵の例に修正するフレームワークである。 ホワイトボックスとブラックボックスの設定の両方で有効であり、AI生成した画像を高品質な敵の偽造に変換する。
  論文  参考訳（メタデータ） (2024-08-11T01:22:29Z)
• 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)
• On Sensitivity and Robustness of Normalization Schemes to Input Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
  深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。 DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。 本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
  論文  参考訳（メタデータ） (2023-06-23T03:09:03Z)
• 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。