三维电子显微镜/粒子拾取

什么是粒子拾取

w:粒子拾取 从电子显微镜获得的图像中提取单个粒子。对于一些粒子，它与某些粒子拾取程序配合使用效果最佳，因为许多粒子具有不同的方向。寻找单个粒子可以通过四种方式完成。四种寻找单个粒子的方法

• 手动选择
• 模板匹配
• 数学函数
• 机器学习

手动选择

最好选择距离边缘不太远且没有与其他粒子重叠的粒子。在将标记放置在粒子上的时候，最好让标记尽可能靠近中心。

手动拾取是一种粒子拾取技术，要求用户手动从显微照片中选择粒子。手动拾取是一种耗时的技术，这使得它比其他粒子选择方法更不优选。为了获得更好的质量，用户需要避免靠近边缘的粒子、彼此重叠的粒子以及被污染的粒子。

模板匹配

w:模板匹配 是一种用于物体分类的数字技术。模板匹配技术可以通过将图像与类似的模板图像进行比较来找到图像中的特定部分。它需要一个样本图像块，用于识别源图像中最为相似的区域。模板通常用于识别数字、字符以及图像中的任何类型的较小区域。该图像块通过每次在图像上滑动一个像素进行比较。因此，它计算一个代表模板在该特定位置与图像匹配程度的索引值。可以使用相关系数计算与模板图像的相似度。

查找索引值的方程式

$r={\frac {\sum _{i=1}^{n}(X_{i}-{\overline {X}})(Y_{i}-{\overline {Y}})}{{\sqrt {\sum _{i=1}^{n}(X_{i}-{\overline {X}})^{2}}}{\sqrt {\sum _{i=1}^{n}(Y_{i}-{\overline {Y}})^{2}}}}}$

数学函数

使用数学函数通过使用w:高斯差（缩写为 DoG）来帮助形成模板。DoG 拾取器使用粒子的半径按其大小对粒子进行排序，它也作为无参考粒子拾取器工作。数学函数最适合形状对称的粒子，但并非所有粒子都对称，许多粒子是不对称的。与手动选择不同，在使用 DoG 拾取器时可能会出现一些错误。正如之前所说，一些粒子是不对称的，DoG 拾取器将难以拾取这些粒子。。

机器学习

机器学习技术提供了从电子显微照片中自动选择粒子的方法。通过自动粒子拾取，可以在短时间内选择大量粒子，而无需进行大量手动干预。机器学习方法可以使用算法将粒子与非粒子区分开来。在拾取过程中的训练阶段可以校正算法，以最大程度地减少误报的数量 。训练阶段必须是半监督的，以允许用户进行算法校正，以识别错误选择的粒子。该方法消除了对初始参考体积的需要，因为它从用户那里学习感兴趣的粒子。