Ice-Tide: Implicit Cryo-ET Imaging and Deformation Estimation

我们介绍了一种名为ICE-TIDE的方法，用于低温电子断层扫描（cryo-ET），它可以同时对观察结果进行对齐和重建高分辨率体积。在cryo-ET中，倾斜系列的对齐是限制重建分辨率的主要问题。ICE-TIDE依赖于体积的高效基于坐标的隐式神经表示，使其能够直接参数化变形并对投影进行对齐。此外，隐式网络作为一种有效的正则化器，允许在低信噪比下进行高质量的重建，并部分恢复缺失的楔形信息。我们将ICE-TIDE的性能与现有方法在逼真的模拟体积上进行比较，其中可以精确评估恢复变形的分辨率和准确性的显著增益。最后，我们展示了ICE-TIDE在实验数据集上的表现能力。

本论文旨在解决冷冻电子断层扫描（cryo-ET）中倾斜序列对齐的问题，限制了重建的分辨率。

本文提出了一种名为ICE-TIDE的方法，它使用高效的基于坐标的隐式神经表示来直接参数化变形并对投影进行对齐，同时重建高分辨率体积。隐式网络作为一种有效的正则化器，使得在低信噪比下也能够进行高质量的重建，并部分恢复缺失的楔形信息。

本文在逼真的模拟体积上比较了ICE-TIDE与现有方法的性能，精确评估了分辨率和恢复变形的准确性。此外，本文还展示了ICE-TIDE在实验数据集上的表现。

最近的相关研究包括：1. "DeepEMhancer: A deep learning-based approach for enhancing low-dose electron microscopy images"；2. "Deformable registration of cryo-electron microscopy images using neural networks"。