基于深度学习冷冻电镜三维密度图的局部质量评估方法技术

一种基于深度学习的三维密度图局部质量评估方法，通过构建基于VisionTransformer为骨干网络的DeepQs深度学习模型，并以重采样得到的冷冻电镜三维密度图的局部密度图为输入，以对应的原子结构与相匹配的重采样后的三维密度图的之间的Q

【技术实现步骤摘要】
基于深度学习冷冻电镜三维密度图的局部质量评估方法


[0001]本专利技术涉及的是一种图像处理领域的技术，具体是一种基于深度学习冷冻电镜三维密度图的局部质量评估方法。

技术介绍

[0002]目前冷冻电镜图像的重构技术主要是以分辨率为数值指标评估，包括傅里叶壳相关(FSC)方法和ResMap方法，前者使用两个各使用一半冷冻电镜图像构建出来的三维密度图，然后计算两个半数据集重构结果在傅里叶空间的相关性，得到FSC曲线，选定特定的阈值截取，在该阙值下的数值便是全局分辨率；ResMap方法检测不同的正弦波长信号在三维密度图的各个点上，在所有波长中最小且可高于噪声信号的，将该波长定为该点的局部分辨率。但现有的FSC阙值选取无直观含义，ResMap无法处理经过锐化以及滤波后的三维密度图，最后前述现有方法的评估标准与所希望的重构出的原子结构模型并无直接联系等等。

技术实现思路

[0003]本专利技术针对现有技术存在的上述不足，提出一种基于深度学习的三维密度图局部质量评估方法，通过深度学习方法，训练出一个仅需三维密度图输入即可得到近似评估的模型，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的三维密度图局部质量评估的方法，其特征在于，通过构建基于Vision Transformer为骨干网络的DeepQs深度学习模型，并以重采样得到的冷冻电镜三维密度图的局部密度图为输入，以对应的原子结构与相匹配的重采样后的三维密度图的之间的Q
‑
score为标签进行训练，在在线阶段对待测冷冻电镜重构出的生物大分子模型的三维密度图进行重采样后，通过掩膜获取感兴趣区域后输入训练后的DeepQs深度学习模型进行局部质量评估并得到质量评估图；所述的Q
‑
score是指：在已配准的原子结构中，计算原子结构的每一个原子周围点的在三维密度图上映射值与参考类高斯函数之间的相关性，具体为：对于图中任一原子的周围密度分布符合的高斯分布，其中：A＝avg
M
+10σ
M
，B＝avg
M
‑
1σ
M
，M为三维密度图，avg
M
为三维密度图的平均密度；在输入范围内以步距均匀采样得到输出的各个值组成向量u；在三维密度图内距离该原子中心坐标欧式距离的位置插值采样密度值，获得向量v；分别计算向量u和向量v的均值u
mean
与v
mean
，得到该原子的Q
‑
score为2.根据权利要求1所述的基于深度学习的三维密度图局部质量评估的方法，其特征是，所述的冷冻电镜三维密度图是指：一个大小为w
×
h
×
d的三维矩阵，矩阵中的每一个元素即体素，每一个体素的坐标(x,y,z)是其在空间中的相对坐标，每个体素的数值为的物理意义为其所在坐标的电子密度；所述的重采样是指：通过软件将生物大分子三维密度图的体素之间的最小间距统一调整为以保证模型输入的密度图在物理意义上的一致。3.根据权利要求1所述的基于深度学习的三维密度图局部质量评估的方法，其特征是，所述的DeepQs深度学习模型包括：三维矩阵降维模块、Transformer编码器模块以及输出模块，其中：为适配密度图的三维矩阵输入，三维矩阵降维...

【专利技术属性】
技术研发人员：冯明峰，沈红斌，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：