项目名称: 面向高分辨率的电子断层三维重构算法研究

项目编号: No.61202210

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 计算机科学学科

项目作者: 万晓华

作者单位: 中国科学院计算技术研究所

项目金额: 25万元

中文摘要: 电子断层三维重构技术是近几年迅速发展起来的研究生物大分子纳米分辨率三维结构的前沿技术,是联接细胞生物学和结构分子生物学研究的重要手段。但是,目前电子断层三维重构技术存在如下缺陷:1)缺乏解决电子断层中存在的缺失楔问题的三维重构模型;2)缺乏面向高分辨率的电子断层三维重构算法;3)缺乏高效的电子断层三维重构并行算法,重构过程极其缓慢。 针对当前电子断层重构研究存在的问题,本课题希望从三个方面对面向高分辨率的电子断层重构算法开展研究:第一,研究新的电子断层三维重构模型,尽可能弥补缺失数据对重构结果的影响;第二,在新重构模型基础上,研究高精度的重构算法,提高三维结构的分辨率;第三,针对高分辨率的电子断层数据,研究其在多GPU上的存储策略和多GPU之间的数据通信机制,开发基于多GPU平台的高效电子断层三维重构算法,进一步提高重构算法的性能。

中文关键词: 电子断层;三维重构;高分辨率;重构模型;并行化

英文摘要: Three-dimensional (3D) reconstruction of electron tomography (ET) has developed rapidly in recent years as a leading technique in analyzing structures of complex macromolecules in nano scale. It has been an important method to combine cell biology with structural molecule biology. However, it is difficult to obtain high-quality reconstructed results in ET due to the following reasons: 1) There are few 3D reconstructing models to resolve the problem of the missing wedge existing in ET. 2) 3D reconstruction algorithms recently used in ET cannot obtain high-resolution reconstructed results. 3) current parallelizations of 3D reconstruction of ET are not effective and reconstruction processes are still time-consuming. To resolve the problems existing in ET, we improve the performance of 3D reconstruction algorithm in ET from three aspects as follows: 1) We will study new 3D reconstruction models to resolve the problem of the missing wedge in ET. 2) Based on the new reconstructing models, we will develop effective reconstruction algorithms to improve the quality of reconstructed results. 3) To handle large scale ET data effectively, we will study storage strategies and communication schemes on multi-GPUs, and develop an effective parallel strategy of 3D reconstruction in ET on multi-GPUs to exhibit a significant acce

英文关键词: electron tomography;three-dimensional reconstruction;high-resolution;reconstructing model;parallelization

成为VIP会员查看完整内容
0

相关内容

基于深度学习的视频超分辨率重构进展综述
专知会员服务
17+阅读 · 2022年3月7日
专知会员服务
21+阅读 · 2021年10月9日
专知会员服务
15+阅读 · 2021年10月4日
专知会员服务
31+阅读 · 2021年7月26日
专知会员服务
36+阅读 · 2021年4月23日
专知会员服务
35+阅读 · 2021年2月20日
专知会员服务
77+阅读 · 2020年12月6日
性能大幅提升!消除图像复原中的“misalignment”
极市平台
1+阅读 · 2021年12月29日
趣解读 | 重构三维植被表型,计算呈现自然之美
中国科学院自动化研究所
0+阅读 · 2021年9月2日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
CVPR 2018 |“寻找”极小人脸
极市平台
14+阅读 · 2018年7月11日
深度学习之图像超分辨重建技术
机器学习研究会
12+阅读 · 2018年3月24日
深度学习时代的目标检测算法
炼数成金订阅号
39+阅读 · 2018年3月19日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
1+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
11+阅读 · 2018年5月13日
小贴士
相关VIP内容
基于深度学习的视频超分辨率重构进展综述
专知会员服务
17+阅读 · 2022年3月7日
专知会员服务
21+阅读 · 2021年10月9日
专知会员服务
15+阅读 · 2021年10月4日
专知会员服务
31+阅读 · 2021年7月26日
专知会员服务
36+阅读 · 2021年4月23日
专知会员服务
35+阅读 · 2021年2月20日
专知会员服务
77+阅读 · 2020年12月6日
相关资讯
性能大幅提升!消除图像复原中的“misalignment”
极市平台
1+阅读 · 2021年12月29日
趣解读 | 重构三维植被表型,计算呈现自然之美
中国科学院自动化研究所
0+阅读 · 2021年9月2日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
CVPR 2018 |“寻找”极小人脸
极市平台
14+阅读 · 2018年7月11日
深度学习之图像超分辨重建技术
机器学习研究会
12+阅读 · 2018年3月24日
深度学习时代的目标检测算法
炼数成金订阅号
39+阅读 · 2018年3月19日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员