冷凍電鏡顆粒挑選

顆粒挑選

接下來需要從原始數據中篩選出顆粒投影，也被稱為“顆粒挑選”，顆粒挑選的好壞也將影響所有后續的分析和處理過程，是一個重要并且繁瑣的步驟。顆粒挑選方式可以分為手動挑選、半自動挑選和完全自動挑選這幾種。

在早期的分析中，對于結構的了解還非常少，優先考慮的都是人工挑選。但是自動的顆粒圖像獲取方法的出現使得在很短時間內可以收集數十萬張顆粒圖像，人工挑選大量的顆粒圖像不太現實，并且人工的挑選通常會過于集中于某一類顆粒圖像，導致遺漏和偏差。

半自動和全自動的方法主要有以下三類：

(1)通過例如降噪、反襯增強、邊緣算子等圖像形態學方法搜索區域，基于數字圖像處理學的原理，將顆粒圖像與背景分離開來。

(2)基于模板的方法，通過掃描數據圖像和已知的模板比較來挑選出潛在的顆粒圖像，模板的來源通常為手動選出的數據圖像中較為清晰的顆粒圖像，或者是已知結構的投影。

(3)結合無模板和有模板的方法，通過一些有監督的機器學習算法進行顆粒挑選。

隨著圖像識別領域中深度學習方法的流行，各類基于深度學習的顆粒識別框架也被引入到顆粒挑選的過程中。隨著深度學習方法的發展，相信如何把深度學習方法應用到單顆粒冷凍電鏡圖像分析領域的研究將會越來越多。