神经场重建网络

高分辨率各向同性

在三维空间域优化中学习方向各向同性表示，实现超越现有算法的三维密度分辨率。

Yue, Huang · Zhu, Chengguang · Xiaokang, Yang · 刘满华

Nature Machine Intelligence 2024

技术优势

提升各向同性

在三维空间域学习密度场，避免傅里叶域分片带来的各向异性。

超越现有分辨率极限

同质重建中，3D密度分辨率超过现有算法极限。

解析缺失元素

异质重建中能解析出SARS-CoV-2此前缺失的结构元素。

应用场景

• 冷冻电镜结构解析：用各向同性重建提升分辨率，获取更精确的三维结构。
• 蛋白质结构重建：直接从颗粒图像重建蛋白质密度图，无需傅里叶分片优化。
• 电子显微成像：从投影中恢复各向同性三维密度，提升电镜成像重建质量。