冷凍電鏡（cryo-electron microscopy,cryo-EM）三維重構(gòu)技術(shù)是確定生物大分子結(jié)構(gòu)與功能的主流方法之一,圖像處理技術(shù)已經(jīng)成為冷凍電鏡三維精細(xì)結(jié)構(gòu)精析的重要手段。然而,針對(duì)信噪比低、非定形、不對(duì)稱和不具全同性的大分子樣本的cryo-EM圖像,如何設(shè)計(jì)出合理的cryo-EM單顆粒圖像分類網(wǎng)絡(luò),提高cryo-EM單顆粒圖像分類準(zhǔn)確率、大分子顆粒識(shí)別精度等依然是極具挑戰(zhàn)性的問(wèn)題。因此,本文提出融合基于傅立葉變換的平移和旋轉(zhuǎn)不變特征量（Fourier transform based translation and rotation invariants,FTTR-invariant）的CNN-ELM分類網(wǎng)絡(luò)模型的方法來(lái)解決以上問(wèn)題。文中主要研究對(duì)cryo-EM單顆粒圖像分類識(shí)別關(guān)鍵技術(shù)的方法,包括獲取cryo-EM圖像FTTR-invariant和基于CNN-ELM分類網(wǎng)絡(luò)模型的cryo-EM單顆粒圖像分類。具體研究?jī)?nèi)容如下:（1）針對(duì)cryo-EM圖像信噪比低、非定形等特征,導(dǎo)致cryo-EM圖像識(shí)別過(guò)程中精度低等問(wèn)題,本文提出通過(guò)計(jì)算cryo-EM圖像FTTR-in... 

【文章來(lái)源】：湘潭大學(xué)湖南省

【文章頁(yè)數(shù)】：62 頁(yè)

【學(xué)位級(jí)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(shù)國(guó)內(nèi)外研究進(jìn)展
        1.2.1 冷凍電鏡圖像去噪技術(shù)的研究進(jìn)展
        1.2.2 冷凍電鏡圖像分類技術(shù)研究進(jìn)展
        1.2.3 深度學(xué)習(xí)在冷凍電鏡圖像識(shí)別領(lǐng)域的研究現(xiàn)狀
    1.3 論文主要研究?jī)?nèi)容和結(jié)構(gòu)安排
        1.3.1 論文主要研究?jī)?nèi)容
        1.3.2 論文結(jié)構(gòu)安排
第2章 相關(guān)理論研究
    2.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.1.1 經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)模型
        2.1.2 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)研究
    2.2 極限學(xué)習(xí)機(jī)
        2.2.1 極限學(xué)習(xí)機(jī)概述
        2.2.2 極限學(xué)習(xí)機(jī)結(jié)構(gòu)
    2.3 冷凍電鏡圖像單顆粒提取
    2.4 本章小結(jié)
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(píng)價(jià)指標(biāo)
        3.1.1 冷凍電鏡圖像數(shù)據(jù)集介紹
        3.1.2 評(píng)價(jià)指標(biāo)
    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(zhuǎn)不變特征量
        3.2.3 旋轉(zhuǎn)不變特征量降維及可視化
        3.2.4 冷凍電鏡圖像旋轉(zhuǎn)和對(duì)齊
    3.3 CNN-ELM分類網(wǎng)絡(luò)模型設(shè)計(jì)
        3.3.1 冷凍電鏡單顆粒圖像分類網(wǎng)絡(luò)模型架構(gòu)
        3.3.2 目標(biāo)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(jié)
第4章 仿真實(shí)驗(yàn)及對(duì)比分析
    4.1 實(shí)驗(yàn)平臺(tái)
    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(shuō)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(zhuǎn)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(shí)驗(yàn)參數(shù)說(shuō)明
        4.3.2 精度比較
        4.3.3 性能比較
    4.4 本章小結(jié)
第5章 總結(jié)與展望
    5.1 主要工作總結(jié)
    5.2 未來(lái)展望
參考文獻(xiàn)
致謝
附錄 攻讀碩士學(xué)位期間發(fā)表論文及參與的科研項(xiàng)目


【參考文獻(xiàn)】：
期刊論文
[1]生物大分子高分辨率冷凍電鏡三維重構(gòu)技術(shù)[J]. 程凌鵬.  實(shí)驗(yàn)技術(shù)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(jì)算機(jī)研究與發(fā)展. 2018(02)



本文編號(hào)：2933135