[논문 리뷰] A Fourier-based Approach for Iterative 3D Reconstruction from Cryo-EM Images

Lanhui Wang, Yoel Shkolnisky외 1명|arXiv (Cornell University)|2013. 07. 22.

Advanced Electron Microscopy Techniques and Applications참고 문헌 44인용 수 11

한 줄 요약

이 논문은 3D 크라이오-전자현미경 재구성에 적합한 푸리에 기반 반복 재구성 방법(FIRM)을 제안한다. 이 방법은 행렬 $\mathbf{A}^*\mathbf{A}$ 의 토플리츠 구조를 활용하여, 비균일 푸리에 변환을 통해 사전에 계산된 커널을 사용한 컨볼루션을 통해 빠르고 정확한 재구성을 가능하게 한다. FIRM은 직접 푸리에 역변환과 유사한 속도를 보이며, 특히 누락된 원추 영역에서의 잡음과 아티팩트를 줄여 4NN보다 우수한 성능을 발휘한다. 다만 총 실행 시간은 더 길다.

ABSTRACT

A major challenge in single particle reconstruction methods using cryo-electron microscopy is to attain a resolution sufficient to interpret fine details in three-dimensional (3D) macromolecular structures. Obtaining high resolution 3D reconstructions is difficult due to unknown orientations and positions of the imaged particles, possible incomplete coverage of the viewing directions, high level of noise in the projection images, and limiting effects of the contrast transfer function of the electron microscope. In this paper, we focus on the 3D reconstruction problem from projection images assuming an existing estimate for their orientations and positions. We propose a fast and accurate Fourier-based Iterative Reconstruction Method (FIRM) that exploits the Toeplitz structure of the operator ${\bf A}^{*}{\bf A}$, where $\bf A$ is the forward projector and ${\bf A}^{*}$ is the back projector. The operator ${\bf A}^{*}{\bf A}$ is equivalent to a convolution with a kernel. The kernel is pre-computed using the non-uniform Fast Fourier Transform and is efficiently applied in each iteration step. The iterations by FIRM are therefore considerably faster than those of traditional iterative algebraic approaches, while maintaining the same accuracy even when the viewing directions are unevenly distributed. The time complexity of FIRM is comparable to the direct Fourier inversion method. Moreover, FIRM combines images from different defocus groups simultaneously and can handle a wide range of regularization terms. We provide experimental results on simulated data that demonstrate the speed and accuracy of FIRM in comparison with current methods.

연구 동기 및 목표

• 기존 대수적 방법의 한계를 극복하고, 크라이오-전자현미경을 위한 빠르고 정확한 반복 3D 재구성 방법을 개발하는 것.
• 표준 역푸리에 변환을 사용할 경우 왜곡을 유발하는 주파수 영역 내의 비균일 샘플링 문제를 해결하는 것.
• 행렬 $\mathbf{A}^*\mathbf{A}$ 의 토플리츠 구조를 활용하여 반복 단계를 빠른 컨볼루션으로 줄이고, FFT를 통한 효율적 계산을 가능하게 하는 것.
• 불균일하게 분포된 관측 방향과 다중 디포크 그룹을 포함한 다양한 데이터 기하학적 구조를 지원하며, 다양한 정규화 조건을 유연하게 통합하는 것.
• 누락된 주파수 영역, 예를 들어 누락된 원추 영역에서의 아티팩트를 최소화하면서도 고해상도를 유지하는 것.

제안 방법

• 크라이오-전자현미경 이미징 과정을 $\mathbf{b} = \mathbf{A}(\mathbf{V}) + \text{noise}$ 로 모델링하며, 여기서 $\mathbf{A}$ 는 대비 전달 함수(CTF)를 포함한 전진 프로젝터이다.
• 재구성을 $\rho(\mathbf{V}) = \|\mathbf{b} - \mathbf{A}(\mathbf{V})\|^2$ 를 최소화하는 문제로 설정하여 정규 방정식 $\mathbf{A}^*\mathbf{A}(\mathbf{V}) = \mathbf{A}^*\mathbf{b}$ 를 유도한다.
• 행렬 $\mathbf{A}^*\mathbf{A}$ 는 토플리츠 구조를 가지며, 이를 커널 $\mathbf{Ker}$ 와의 컨볼루션으로 표현할 수 있어 $\mathbf{A}^*\mathbf{A}(\mathbf{V}) = \mathbf{Ker} \star \mathbf{V}$ 로 나타낼 수 있다.
• 커널 $\mathbf{Ker}$ 는 비균일 빠른 푸리에 변환(NUFFT)을 사용하여 사전에 계산되며, 이는 각 콘jugate gradient(CG) 반복에서 효율적으로 적용될 수 있다.
• 각 CG 반복은 푸리에 변환과 원소별 곱셈만 수행하므로, 기존의 대수적 방법보다 반복당 처리 시간이 크게 감소한다.
• 이 방법은 다중 디포크 그룹의 이미지를 동시에 융합할 수 있으며, 웨이브렛 도메인에서의 $\ell^1$-노름 희박성 또는 고주파 성분 감쇠 등의 다양한 정규화 조건을 주파수 영역에서 통합할 수 있다.

실험 결과

연구 질문

• RQ1 행렬 $\mathbf{A}^*\mathbf{A}$ 의 구조를 활용함으로써, 푸리에 기반 반복 방법이 3D 크라이오-전자현미경 재구성에서 속도와 정확도를 동시에 확보할 수 있는가?
• RQ2 FIRM은 직접 역변환 방법인 4NN에 비해 누락된 원추 영역에서의 재구성 성능이 어떻게 되는가?
• RQ3 불균일하게 분포된 관측 방향과 다중 디포크 그룹을 처리하는 데 있어 정확도를 유지하면서도 효율적으로 작동할 수 있는가?
• RQ4 구조적 연산자를 사용하는 반복 방법의 경우, 계산 비용과 재구성 품질 간의 상호 교환 관계는 어떠한가?
• RQ5 웨이브렛 희박성 또는 총 변동량 정규화와 같은 정규화 조건이 FIRM의 주파수 영역 프레임워크에 자연스럽게 통합될 수 있는가?

주요 결과

• FIRM은 빠른 직접 역변환 방법인 4NN와 유사한 재구성 정확도를 달성하지만, 특히 누락된 원추 영역에서의 아티팩트가 현저히 줄어들어 4NN보다 우수한 성능을 보인다.
• 모의 데이터 기준 FIRM의 총 실행 시간은 약 1470초로, 4NN의 약 290초보다 약 5배 더 길지만, 사전 계산 덕분에 반복당 비용은 극히 낮다.
• 사전 계산 단계(NUFFT를 통한 커널 계산 및 역프로젝션 포함)가 총 시간의 약 95%를 차지하며, 각 CG 반복은 약 1초 밖에 소요되지 않는다.
• FIRM은 FFT를 통한 컨볼루션을 활용하여 $\mathbf{A}^*\mathbf{A}(\mathbf{V})$ 의 계산 비용을 몇 번의 FFT와 원소별 곱셈으로 줄여, 반복 처리를 매우 빠르게 한다.
• 이 방법은 다중 디포크 그룹을 효과적으로 처리하며, 웨이브렛 도메인에서의 $\ell^1$-노름 희박성 등의 다양한 정규화 조건을 유연하게 통합하여, 불안정한 경우의 강건성을 향상시킨다.
• 수치 실험 결과, FIRM은 낮은 신호 대 잡음비(SNR=1) 조건에서도 높은 정확도를 유지함을 확인하였으며, 노이즈와 비균일 샘플링에 대해 강건함을 입증하였다.