論文の概要: Towards Foundation Models for Cryo-ET Subtomogram Analysis

• arxiv url: http://arxiv.org/abs/2509.24311v1
• Date: Mon, 29 Sep 2025 05:47:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-30 22:32:19.770531
• Title: Towards Foundation Models for Cryo-ET Subtomogram Analysis
• Title（参考訳）: Cryo-ETサブトモグラム解析の基礎モデルに向けて
• Authors: Runmin Jiang, Wanyue Feng, Yuntian Yang, Shriya Pingulkar, Hong Wang, Xi Xiao, Xiaoyu Cao, Genpei Zhang, Xiao Wang, Xiaolong Wu, Tianyang Wang, Yang Liu, Xingjian Li, Min Xu,
• Abstract要約: 我々は,452個の粒子クラスから904k以上のサブトモグラムを生成する大規模合成データ生成装置であるCryoEngineを紹介した。 第2に、適応位相トークン化を等価化モジュールとして組み込んだ適応位相トークン変換器(APT-ViT)を設計する。 第3に,強騒音条件下での表現学習を安定させるため,NRCL(Noss-Resilient Contrastive Learning)戦略を導入する。
• 参考スコア（独自算出の注目度）: 36.85797849551338
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cryo-electron tomography (cryo-ET) enables in situ visualization of macromolecular structures, where subtomogram analysis tasks such as classification, alignment, and averaging are critical for structural determination. However, effective analysis is hindered by scarce annotations, severe noise, and poor generalization. To address these challenges, we take the first step towards foundation models for cryo-ET subtomograms. First, we introduce CryoEngine, a large-scale synthetic data generator that produces over 904k subtomograms from 452 particle classes for pretraining. Second, we design an Adaptive Phase Tokenization-enhanced Vision Transformer (APT-ViT), which incorporates adaptive phase tokenization as an equivariance-enhancing module that improves robustness to both geometric and semantic variations. Third, we introduce a Noise-Resilient Contrastive Learning (NRCL) strategy to stabilize representation learning under severe noise conditions. Evaluations across 24 synthetic and real datasets demonstrate state-of-the-art (SOTA) performance on all three major subtomogram tasks and strong generalization to unseen datasets, advancing scalable and robust subtomogram analysis in cryo-ET.
• Abstract（参考訳）: クライオ電子トモグラフィー(cryo-ET)は、分類、アライメント、平均化といったサブトモグラム解析タスクが構造決定に不可欠であるマクロ分子構造のその場可視化を可能にする。 しかし、効果的な分析は、希少なアノテーション、激しい騒音、一般化の欠如によって妨げられる。 これらの課題に対処するため,我々はCreo-ETサブトモグラムの基礎モデルに向けた第一歩を踏み出した。 まず,452個の粒子クラスから904k以上のサブトモグラムを生成する大規模合成データ生成装置であるCryoEngineを紹介する。 第2に、適応位相トークン化を等分散化モジュールとして組み込んだ適応位相トークン化拡張ビジョン変換器(APT-ViT)を設計し、幾何学的および意味的バリエーションの両面で堅牢性を向上させる。 第3に,強騒音条件下での表現学習を安定させるため,NRCL(Noss-Resilient Contrastive Learning)戦略を導入する。 24の合成および実データセットに対する評価は、3つの主要なサブトモグラムタスクすべてに対して、最先端(SOTA)性能を示し、未知のデータセットへの強力な一般化を示し、Cryo-ETにおけるスケーラブルで堅牢なサブトモグラム解析を進歩させる。

関連論文リスト

• A Novel Data Augmentation Strategy for Robust Deep Learning Classification of Biomedical Time-Series Data: Application to ECG and EEG Analysis [2.355460994057843]
  本研究では,様々な信号タイプにまたがる最先端性能を実現する,新しい統合型深層学習フレームワークを提案する。 従来の研究とは異なり、将来予測能力を達成するために信号の複雑さを科学的に増加させ、最高の予測を導いた。 アーキテクチャには130MBのメモリとプロセスが10ミリ秒で必要であり、ローエンドデバイスやウェアラブルデバイスへのデプロイに適していることを示唆している。
  論文  参考訳（メタデータ） (2025-07-16T21:38:10Z)
• CryoFastAR: Fast Cryo-EM Ab Initio Reconstruction Made Easy [43.706580683273955]
  我々はCryo-EMノイズ画像から直接ポーズを予測できる最初の幾何学的基礎モデルであるCryoFastARを紹介した。 CryoFastARは、マルチビュー機能と、大規模シミュレーションされたCryo-EMデータに現実的なノイズとCTF変調を統合することで、ポーズ推定精度と一般化を向上する。
  論文  参考訳（メタデータ） (2025-06-06T08:32:32Z)
• MathPhys-Guided Coarse-to-Fine Anomaly Synthesis with SQE-Driven Bi-Level Optimization for Anomaly Detection [30.77558600436759]
  本研究では,Math-Physモデル誘導による合成異常を生成する,新しい軽量パイプラインを提案する。 本手法は現実的な欠陥マスクを生成し,その後2段階に拡張した。 本手法を検証するために,MVTec AD, VisA, BTADの3つの異常検出ベンチマーク実験を行った。
  論文  参考訳（メタデータ） (2025-04-17T14:22:27Z)
• BHViT: Binarized Hybrid Vision Transformer [53.38894971164072]
  モデルバイナライゼーションは畳み込みニューラルネットワーク(CNN)のリアルタイムおよびエネルギー効率の計算を可能にした。 本稿では,バイナライズフレンドリーなハイブリッドViTアーキテクチャであるBHViTとそのバイナライズモデルを提案する。 提案アルゴリズムは,バイナリ ViT 手法間でSOTA 性能を実現する。
  論文  参考訳（メタデータ） (2025-03-04T08:35:01Z)
• TokenUnify: Scaling Up Autoregressive Pretraining for Neuron Segmentation [65.65530016765615]
  本稿では,3つの相補的な学習目標を通じて,大規模依存関係をキャプチャする階層型予測コーディングフレームワークを提案する。 TokenUnifyは、ランダムトークン予測、次のトークン予測、およびすべてのトークン予測を統合して、包括的な表現空間を作成する。 また,120億個の注釈付きボクセルを付加した大規模EMデータセットを導入し,空間連続性を持つ理想的な長周期視覚データを提供する。
  論文  参考訳（メタデータ） (2024-05-27T05:45:51Z)
• 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)
• Pre-training via Denoising for Molecular Property Prediction [53.409242538744444]
  本稿では,3次元分子構造の大規模データセットを平衡に利用した事前学習手法について述べる。 近年のノイズレギュラー化の進展に触発されて, 事前学習の目的は, 雑音の除去に基づくものである。
  論文  参考訳（メタデータ） (2022-05-31T22:28:34Z)
• A microstructure estimation Transformer inspired by sparse representation for diffusion MRI [11.761543033212797]
  ダウンサンプルq空間データを用いたdMRIによる微細構造推定のためのTransformerに基づく学習ベースフレームワークを提案する。 提案手法は,スキャン時間で最大11.25倍の加速を実現し,他の最先端の学習手法よりも優れていた。
  論文  参考訳（メタデータ） (2022-05-13T05:14:22Z)

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。