Fugu-MT 論文翻訳(概要): Reconstruction-Aware Cryo-EM Particle Picking

論文の概要: Reconstruction-Aware Cryo-EM Particle Picking

arxiv url: http://arxiv.org/abs/2608.28838v1
Date: Fri, 28 Aug 2026 20:15:16 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-01 18:31:30.763992
Title: Reconstruction-Aware Cryo-EM Particle Picking
Title（参考訳）: レコンストラクション対応Cryo-EMパーティクルピッキング
Abstract要約: クリオ電子顕微鏡(cryo-EM)は、タンパク質と高分子集合体の構造を原子間近分解能で決定する。抽出は3つのサブタスク、すなわち粒子抽出、汚染除去、2Dクラス選択に分解される。その代わり、3つのサブタスクを、下流の再構築品質に反する1つのパイプラインに統合します。
参考スコア（独自算出の注目度）: 16.565399004516113
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Cryo-electron microscopy (cryo-EM) determines the structures of proteins and macromolecular assemblies at near-atomic resolution, and the final 3D reconstruction depends on extracting a clean particle stack from noisy micrographs. This extraction decomposes into three sub-tasks, namely particle picking, contamination removal, and 2D class selection. Each of them, however, is trained and evaluated in isolation, and none is optimized for the reconstruction. We instead integrate the three sub-tasks into a single pipeline posed against downstream reconstruction quality. We instantiate the pipeline with a state-of-the-art component for each sub-task, CryoTransformer picking permissively, MicrographCleaner masking contamination, and CryoSift selecting 2D classes by a continuous quality score, and close the loop with a fine-tuning step that returns the surviving particles to the picker. The pipeline achieves a better 3D resolution than every picker we compare. We also show that the best 2D F1 is not the best resolution, so particle selection is better treated as one reconstruction-aware pipeline judged by the map it delivers.
Abstract（参考訳）: 核電子顕微鏡(cryo-EM)は、タンパク質と高分子集合体の構造を原子間近分解能で決定し、最終的な3D再構成は、ノイズのあるマイクログラフからクリーンな粒子スタックを抽出することに依存する。この抽出は粒子抽出、汚染除去、2Dクラス選択という3つのサブタスクに分解される。しかし、それぞれが個別に訓練され、評価され、再建に最適化されるものはない。その代わり、3つのサブタスクを、下流の再構築品質に反する1つのパイプラインに統合します。パイプラインをサブタスク毎に最先端のコンポーネントでインスタンス化し、CryoTransformerがパーミッシブに選択し、MicrographCleanerマスク汚染を検知し、CryoSiftが連続的な品質スコアで2Dクラスを選択し、残りの粒子をピッカーに返却する微調整ステップでループを閉じる。パイプラインは、比較したすべてのピッカーよりも優れた3D解像度を実現します。また, 最適2次元F1が最適分解能ではないことも示している。

関連論文リスト

Marigold V2: Revisiting Diffusion Transformers for Monocular Depth Estimation [68.73567966621631]
最新の画像生成および編集モデルを再開発する一連の手法であるMarigoldを、最先端の単眼深度推定器に再検討する。我々のレシピは、事前訓練されたマルチステップフローマッチングモデルから単一ステップの推論を目標とし、必要に応じて量子化を行い、安価な実行環境を維持しながらモデルキャパシティを保存する。その結果,AbsRel は KITTI や ETH3D よりも16～26% 向上した。
論文参考訳（メタデータ） (2026-09-08T00:52:01Z)
CryoSPIN: Improving Ab-Initio Cryo-EM Reconstruction with Semi-Amortized Pose Inference [30.195615398809043]
Cryo-EMは、高分子錯体の原子分解能3次元構造を決定する方法として人気が高まっている。近年のCryo-EMの進歩は、アモートされた推論がポーズを予測するために使われている深層学習に焦点が当てられている。本稿では,半アモタイズ法であるCryoSPINを提案する。この手法では,復元はアモタイズされた推論から始まり,自動デコードに切り替える。
論文参考訳（メタデータ） (2024-06-15T00:44:32Z)
Memorize What Matters: Emergent Scene Decomposition from Multitraverse [54.487589469432706]
3次元ガウス写像は3次元ガウス写像をベースとしたカメラのみのオフラインマッピングフレームワークである。 3DGMは、同じ領域から複数のRGBビデオをガウスベースの環境マップに変換し、同時に2D短命なオブジェクトセグメンテーションを実行する。 We build the Mapverse benchmark, sourced from the Ithaca365 and nuPlan datasets, to evaluate our method in unsupervised 2D segmentation, 3D reconstruction, and Neural rendering。
論文参考訳（メタデータ） (2024-05-27T14:11:17Z)
Cryo-forum: A framework for orientation recovery with uncertainty measure with the application in cryo-EM image analysis [0.0]
本稿では,10次元特徴ベクトルを用いて方向を表現し,予測方向を単位四元数として導出し,不確実な距離で補足する擬似制約擬似プログラムを提案する。本手法は,2次元Creo-EM画像からの向きをエンドツーエンドで効果的に復元することを示し,不確実性を含むことにより,データセットを3次元レベルで直接クリーンアップすることができる。
論文参考訳（メタデータ） (2023-07-19T09:09:24Z)
Multi-class point cloud completion networks for 3D cardiac anatomy reconstruction from cine magnetic resonance images [4.1448595037512925]
マルチクラスの心臓解剖学的メッシュを再構築できる新しい完全自動表面再構成パイプラインを提案する。その鍵となるコンポーネントは、マルチクラスポイントクラウド補完ネットワーク(PCCN)である。
論文参考訳（メタデータ） (2023-07-17T14:52:52Z)
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)
REGAS: REspiratory-GAted Synthesis of Views for Multi-Phase CBCT Reconstruction from a single 3D CBCT Acquisition [75.64791080418162]
REGASは、アンダーサンプドトモグラフィビューを合成し、再構成画像中のアーティファクトのエイリアスを緩和する自己教師手法を提案する。高解像度4Dデータ上でのディープニューラルネットワークの大規模なメモリコストに対処するため、REGASは分散して微分可能なフォワードプロジェクションを可能にする新しいレイパス変換(RPT)を導入した。
論文参考訳（メタデータ） (2022-08-17T03:42:19Z)
Multi-initialization Optimization Network for Accurate 3D Human Pose and Shape Estimation [75.44912541912252]
我々はMulti-Initialization Optimization Network(MION)という3段階のフレームワークを提案する。第1段階では,入力サンプルの2次元キーポイントに適合する粗い3次元再構成候補を戦略的に選択する。第2段階では, メッシュ改質トランス (MRT) を設計し, 自己保持機構を用いて粗い再構成結果をそれぞれ洗練する。最後に,RGB画像の視覚的証拠が与えられた3次元再構成と一致するかどうかを評価することで,複数の候補から最高の結果を得るために,一貫性推定ネットワーク(CEN)を提案する。
論文参考訳（メタデータ） (2021-12-24T02:43:58Z)
Learning Rotation Invariant Features for Cryogenic Electron Microscopy Image Reconstruction [1.9756768370987245]
クライエレクトロン顕微鏡(Cryo-Electron Microscopy, Cryo-EM)は、粒子の3次元構造を原子に近い分解能で決定するためのノーベル賞受賞技術である。ほとんどのアプローチでは、画像回転の連続的な性質を捉えるのに失敗する離散的なクラスタリングを使用する。生成的対角ネットワークの最近の発展を生かした新しい手法を提案する。
論文参考訳（メタデータ） (2021-01-10T13:38:16Z)
Pix2Vox++: Multi-scale Context-aware 3D Object Reconstruction from Single and Multiple Images [56.652027072552606]
Pix2Vox++という,単一ビューと複数ビューの3Dオブジェクト再構成のための新しいフレームワークを提案する。良く設計されたエンコーダデコーダを用いて、各入力画像から粗い3Dボリュームを生成する。次に、マルチスケールコンテキスト対応融合モジュールを導入し、全ての粗い3Dボリュームから異なる部分の高品質な再構成を適応的に選択し、融合した3Dボリュームを得る。
論文参考訳（メタデータ） (2020-06-22T13:48:09Z)

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。