三維電子顯微鏡/粒子拾取

什麼是粒子拾取

w:粒子拾取 從電子顯微鏡獲得的影像中提取單個粒子。對於一些粒子，它與某些粒子拾取程式配合使用效果最佳，因為許多粒子具有不同的方向。尋找單個粒子可以透過四種方式完成。四種尋找單個粒子的方法

• 手動選擇
• 模板匹配
• 數學函式
• 機器學習

手動選擇

最好選擇距離邊緣不太遠且沒有與其他粒子重疊的粒子。在將標記放置在粒子上的時候，最好讓標記儘可能靠近中心。

手動拾取是一種粒子拾取技術，要求使用者手動從顯微照片中選擇粒子。手動拾取是一種耗時的技術，這使得它比其他粒子選擇方法更不優選。為了獲得更好的質量，使用者需要避免靠近邊緣的粒子、彼此重疊的粒子以及被汙染的粒子。

模板匹配

w:模板匹配 是一種用於物體分類的數字技術。模板匹配技術可以透過將影像與類似的模板影像進行比較來找到影像中的特定部分。它需要一個樣本影像塊，用於識別源影像中最為相似的區域。模板通常用於識別數字、字元以及影像中的任何型別的較小區域。該影像塊透過每次在影像上滑動一個畫素進行比較。因此，它計算一個代表模板在該特定位置與影像匹配程度的索引值。可以使用相關係數計算與模板影像的相似度。

查詢索引值的方程式

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

數學函式

使用數學函式透過使用w:高斯差（縮寫為 DoG）來幫助形成模板。DoG 拾取器使用粒子的半徑按其大小對粒子進行排序，它也作為無參考粒子拾取器工作。數學函式最適合形狀對稱的粒子，但並非所有粒子都對稱，許多粒子是不對稱的。與手動選擇不同，在使用 DoG 拾取器時可能會出現一些錯誤。正如之前所說，一些粒子是不對稱的，DoG 拾取器將難以拾取這些粒子。。

機器學習

機器學習技術提供了從電子顯微照片中自動選擇粒子的方法。透過自動粒子拾取，可以在短時間內選擇大量粒子，而無需進行大量手動干預。機器學習方法可以使用演算法將粒子與非粒子區分開來。在拾取過程中的訓練階段可以校正演算法，以最大程度地減少誤報的數量 。訓練階段必須是半監督的，以允許使用者進行演算法校正，以識別錯誤選擇的粒子。該方法消除了對初始參考體積的需要，因為它從使用者那裡學習感興趣的粒子。