超低信噪比冷冻电镜图像的深度学习去噪算法—DWT-CAE

冷冻电镜成像技术是获取蛋白质等生物分子结构的重要途径之一,对研究蛋白质功能特性以及在制药、医疗、疾病防治等方面的应用有着重要意义.针对冷冻电镜图像的大数据量和超低信噪比特征,本文着重研究了冷冻电镜图像去噪和颗粒挑选的方法.结合卷积神经网络模型和自动编码机模型,提出了用于去噪的EM-CAE(Electron Microscopy-Convolutional AutoEncoder)方法,并在实验中验证了算法的效果.针对原始图像噪声的复杂特点,本文对EM-CAE方法做进一步改进,将自动编码机模型与小波变换相结合,提出DWT-CAE(Discrete Wavelet Transform-Convolutional AutoEncoder)算法.由于现实中被标注好的粒子图像十分缺乏,本文根据已解析出结构的蛋白质,设计生成算法构造了人工图像protein-projection数据集.实验中DWTCAE方法在protein-projection数据集和真实数据集上均取得了良好的效果.最后,本文进行了一系列对比实验,进一步证明了DWT-CAE方法在图像去噪和颗粒边缘确定方面的优势.