中国科学院自动化研究所杨戈团队与生物物理研究所孙飞团队合作，提出了一种基于弱监督深度学习的冷冻电镜颗粒挑选新方法DeepETPicker，该研究发表于《自然·通讯》。DeepETPicker能够通过少量人工标注实现快速、准确的三维颗粒自动挑选，解决了Cryo-ET图像信噪比低和人工挑选耗时费力的问题。该方法采用简化标签、优化模型架构、数据增强技术和重叠分区策略，显著提升了小训练集的性能，并通过GPU加速的平均池化-非极大值抑制后处理操作，大幅提高了挑选速度。研究团队还开发了开源软件，辅助用户完成图像预处理、标注、训练与推理等操作。在多个数据集上的评估显示，DeepETPicker的综合性能优于现有方法，其分辨率与专家人工挑选相当，为原位结构生物学研究提供了有力的支持。该研究得到了多项国家科研计划的支持，相关技术已获得发明专利授权。