Effect of structure-based training on 3D localization precision and quality

要約

この研究では、単一分子局在顕微鏡法 (SMLM) および 3D オブジェクト再構成における CNN ベースのアルゴリズムに対する構造ベースのトレーニング アプローチを紹介します。
このアプローチを、LUENN パッケージを AI パイプラインとして利用する従来のランダムベースのトレーニング方法と比較します。
定量的評価では、特に信号対雑音比 (SNR) の変化において、構造ベースのトレーニング アプローチによる検出率と位置特定精度の大幅な向上が実証されています。
さらに、この方法はチェッカーボードのアーティファクトを効果的に除去し、より正確な 3D 再構成を保証します。
私たちの発見は、超解像顕微鏡法を進歩させ、ナノスケールでの複雑な生物学的システムの理解を深めるための構造ベースのトレーニングアプローチの可能性を強調しています。

要約(オリジナル)

This study introduces a structural-based training approach for CNN-based algorithms in single-molecule localization microscopy (SMLM) and 3D object reconstruction. We compare this approach with the traditional random-based training method, utilizing the LUENN package as our AI pipeline. The quantitative evaluation demonstrates significant improvements in detection rate and localization precision with the structural-based training approach, particularly in varying signal-to-noise ratios (SNRs). Moreover, the method effectively removes checkerboard artifacts, ensuring more accurate 3D reconstructions. Our findings highlight the potential of the structural-based training approach to advance super-resolution microscopy and deepen our understanding of complex biological systems at the nanoscale.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google