笔记：A particle-filter framework for robust cryo-EM 3D reconstruction

Title

A particle-filter framework for robust cryo-EM 3D reconstruction

Summary

文章为冷冻电镜图像设计了一种粒子滤波的方法，通过初始化一批点作为单个图像的后验概率密度区域，通过迭代的方式找到似然区，不断地迭代，得到最优值，由此确定每张图片的参数。算法能够进行参数自适应调整，提高了3D重建的精度。

Research Objective

在单粒子低温冷冻电镜中，为每一个粒子图像估计一组参数（旋转、平移、焦散和结构状态），并重建3D模型

Problem Statement

主要解决目前参数估计方法，要么计算成本太高（网格化方法），要么是可靠性不高（梯度下降和随机梯度下降配合分支定界的方法）

在网格算法中，更精细的网格会产生更加准确的参数估计，但是当参考模型分辨率太低时，计算量很大。即需要一定的先验知识来平衡参数估计精度与计算成本。作者提出的粒子滤波算法可以自适应的调整这个问题。

Method(s)

把粒子滤波的方法引入到生物领域，应用在参数估计上。算法将每张图片分为四个子参数空间（假设各自独立），旋转、平移、焦散、结构状态旋转：支持点最多最复杂；平移：较为简单；焦散：使用其他程序，只实现了本地焦散；结构状态：不是很理解这个结构状态是