寻找纳米级"奥齐：半监督体积可视化在冷冻电子断层扫描中的应用
摘要：冷冻电子断层扫描（cryo-ET）是一种具有开创性潜力的三维成像技术，可以解析亚微米级的结构细节。然而，现有的体积可视化方法无法处理其非常低的信噪比。为了设计更强大的传递函数，我们提出利用软分割作为噪声体积可视化的显式组成部分。我们的技术实现基于半监督学习，结合了两种分割算法的优点。第一个弱分割算法能够将用户提供的稀疏标签传播到同一体积中的其他体素，从而得到良好的结果。这个弱分割算法用于生成密集的伪标签。第二个基于深度学习的强大分割算法可以从这些伪标签中学习，并将分割推广到其他未见的体积，而弱分割算法完全无法完成这个任务。所提出的体积可视化使用基于深度学习的分割作为分割感知传递函数设计的组成部分。通过直方图分析可以自动建议适当的斜线参数。最后，我们的可视化使用无梯度环境遮挡着色进一步抑制噪声的视觉存在，并突出显示所需的结构细节。我们技术实验中研究的冷冻电子断层扫描数据基于最高质量的完整SARS-CoV-2病毒。我们的技术在视觉数据分析中显示了对无法使用现有技术可视化的非常嘈杂的体积的高影响力。
作者：Ngan Nguyen, Ciril Bohak, Dominik Engel, Peter Mindek, Ondv{r}ej Strnad, Peter Wonka, Sai Li, Timo Ropinski, Ivan Viola
论文ID：2104.01554
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2022-06-28