一种基于多模态深度学习框架的冷冻电镜密度图重建方法

一种基于多模态深度学习框架的冷冻电镜密度图重建方法，从冷冻电镜实验中获取二维投影图像并筛选粒子图像后，进行预处理，包括去噪、归一化、位姿和CTF估计；随后将初始密度场离散为三维网格，并均匀采样3D坐标，结合预处理得到的位姿信息对坐标进行旋转和平移，模拟实验条件；接着对3D坐标进行傅立叶位姿编码，映射至高维空间，并与图像编码器提取的潜变量结合后输入MLP，生成初始低分辨率3D密度图，经U‑Net精炼以增强局部细节，并通过可微分模型投影为2D图像，与原粒子图像计算损失以优化MLP参数，生成结构更准确的密度图；最终，通过FSC分析评估不同分辨率下的图像质量，验证模型性能。本发明提高了重建效率和精度。