冷凍電鏡（cryo-electron microscopy,cryo-EM）三維重構技術是確定生物大分子結構與功能的主流方法之一,圖像處理技術已經(jīng)成為冷凍電鏡三維精細結構精析的重要手段。然而,針對信噪比低、非定形、不對稱和不具全同性的大分子樣本的cryo-EM圖像,如何設計出合理的cryo-EM單顆粒圖像分類網(wǎng)絡,提高cryo-EM單顆粒圖像分類準確率、大分子顆粒識別精度等依然是極具挑戰(zhàn)性的問題。因此,本文提出融合基于傅立葉變換的平移和旋轉不變特征量（Fourier transform based translation and rotation invariants,FTTR-invariant）的CNN-ELM分類網(wǎng)絡模型的方法來解決以上問題。文中主要研究對cryo-EM單顆粒圖像分類識別關鍵技術的方法,包括獲取cryo-EM圖像FTTR-invariant和基于CNN-ELM分類網(wǎng)絡模型的cryo-EM單顆粒圖像分類。具體研究內容如下:（1）針對cryo-EM圖像信噪比低、非定形等特征,導致cryo-EM圖像識別過程中精度低等問題,本文提出通過計算cryo-EM圖像FTTR-in... 

【文章來源】：湘潭大學湖南省

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 冷凍電鏡圖像處理技術國內外研究進展
        1.2.1 冷凍電鏡圖像去噪技術的研究進展
        1.2.2 冷凍電鏡圖像分類技術研究進展
        1.2.3 深度學習在冷凍電鏡圖像識別領域的研究現(xiàn)狀
    1.3 論文主要研究內容和結構安排
        1.3.1 論文主要研究內容
        1.3.2 論文結構安排
第2章 相關理論研究
    2.1 卷積神經(jīng)網(wǎng)絡
        2.1.1 經(jīng)典的卷積神經(jīng)網(wǎng)絡模型
        2.1.2 卷積神經(jīng)網(wǎng)絡的結構研究
    2.2 極限學習機
        2.2.1 極限學習機概述
        2.2.2 極限學習機結構
    2.3 冷凍電鏡圖像單顆粒提取
    2.4 本章小結
第3章 基于CNN-ELM的冷凍電鏡單顆粒圖像分類
    3.1 冷凍電鏡圖像數(shù)據(jù)集和評價指標
        3.1.1 冷凍電鏡圖像數(shù)據(jù)集介紹
        3.1.2 評價指標
    3.2 冷凍電鏡單顆粒圖像特征提取
        3.2.1 冷凍電鏡圖像特征圖像表示
        3.2.2 旋轉不變特征量
        3.2.3 旋轉不變特征量降維及可視化
        3.2.4 冷凍電鏡圖像旋轉和對齊
    3.3 CNN-ELM分類網(wǎng)絡模型設計
        3.3.1 冷凍電鏡單顆粒圖像分類網(wǎng)絡模型架構
        3.3.2 目標損失函數(shù)
        3.3.3 基于CNN-ELM的冷凍電鏡單顆粒圖像分類算法
    3.4 本章小結
第4章 仿真實驗及對比分析
    4.1 實驗平臺
    4.2 冷凍電鏡單顆粒圖像特征提取效果展示
        4.2.1 數(shù)據(jù)集和參數(shù)說明
        4.2.2 冷凍電鏡圖像去噪
        4.2.3 冷凍電鏡單顆粒圖像提取
        4.2.4 旋轉不變特征量降維及可視化
    4.3 基于CNN-ELM的冷凍電鏡單顆粒圖像分類
        4.3.1 數(shù)據(jù)集和實驗參數(shù)說明
        4.3.2 精度比較
        4.3.3 性能比較
    4.4 本章小結
第5章 總結與展望
    5.1 主要工作總結
    5.2 未來展望
參考文獻
致謝
附錄 攻讀碩士學位期間發(fā)表論文及參與的科研項目


【參考文獻】：
期刊論文
[1]生物大分子高分辨率冷凍電鏡三維重構技術[J]. 程凌鵬.  實驗技術與管理. 2018(06)
[2]面向GPU的單顆粒冷凍電鏡軟件RELION并行與優(yōu)化[J]. 蘇華友,溫文,李東升.  計算機研究與發(fā)展. 2018(02)



本文編號：2933135