基于URDnet的冷冻电镜图像颗粒提取研究

发布时间：2023-10-21 14:28

　　单颗粒冷冻电镜(cryo-electron microscopy,cryo-EM)技术是当下测定生物大分子高分辨率结构与解析其功能机制的重要手段。颗粒选取对于单颗粒冷冻电镜技术是至关重要的步骤,且对单颗粒生物大分子三维重构来说更是关键的第一步,选择颗粒的质量直接影响了单颗粒大分子三维结构测定的效率和最终分辨率。冷冻电子显微镜图像的低信噪比,低对比度,背景噪声严重、杂质多等特点,使得颗粒自动识别同时保证效率与可靠性较困难。高分辨率的冷冻电镜图像三维重构通常需要收集万级的颗粒图像,因此,如何自动地提取冷冻电镜颗粒并提高用于三维重构的颗粒图像质量成为了冷冻电镜结构测定的主要瓶颈之一。针对此问题,本文提出了一种基于U-Net与残差密集神经网络的深度学习网络模型(URDnet),它能实现从冷冻电镜图像中准确地自动定位并提取颗粒。具体内容总结如下:1.针对冷冻电镜图片低信噪比、背景强度不均衡等特点造成图像中颗粒识别精度不高的问题,本文提出了提升冷冻电镜原始图像质量的数据预处理方法,应用直方图均衡和维纳滤波算法提高对比度,调整整体强度,削弱背景噪声。预处理后的图像更有利于网络模型对冷冻电镜图像的特征...

【文章页数】：59 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 冷冻电镜单颗粒技术
        1.2.2 生物大分子颗粒采集方法
    1.3 本文主要工作及结构
        1.3.1 主要工作
        1.3.2 结构安排
第2章 冷冻电镜颗粒提取相关理论
    2.1 冷冻电镜单颗粒分析
        2.1.1 冷冻电子显微技术概述
        2.1.2 单颗粒三维重构
    2.2 传统图像处理方法
        2.2.1 基于模板匹配的方法
        2.2.2 基于特征识别的方法
    2.3 深度学习方法
        2.3.1 卷积神经网络概述
        2.3.2 Deep Picker方法
    2.4 本章小结
第3章 基于多种注释和改进U-Net的冷冻电镜图像生物大分子颗粒自动选取
    3.1 总体方案
    3.2 数据预处理
        3.2.1 强度调整
        3.2.2 噪声抑制
    3.3 点级注释与像素级注释结合
    3.4 网络模型设计
    3.5 基于连通域分析的颗粒提取
    3.6 本章小结
第4章 实验结果和分析
    4.1 实验平台
    4.2 实验数据
    4.3 网络模型训练
    4.4 颗粒提取实验
    4.5 本章小结
第5章 总结与展望
    5.1 本文工作总结
    5.2 未来工作展望
参考文献
致谢
附录 攻读硕士学位期间发表的学术论文及研究成果



本文编号：3856016