使用CryoET开展细胞膜的结构数据可视化时，由固有 缺少契形 难题所引起的各种各样屏幕分辨率一直以来一直是一个考验。为了能解决这些问题，该精英团队研发了IsoNet，这是一个根据迭代更新自监督深度神经网络神经网络算法的程序包。

应用转动的cryoET断层扫描3D复建数据信息做为测试集，他的优化算法可以对cryoET数据信息实行缺少边沿校准。与此同时，向IsoNet加上去噪全过程，容许神经网络算法与此同时修复遗失的信息及去噪层析3D数据。

根据对脱铁铁蛋白和核糖体的仿真模拟子断块图开展IsoNet复建，该精英团队赢得了与画面质量原子模型相当结论。也对未熟的HIV衣壳、微绒毛旁杆和培养细胞的神经元突触的断层扫描3D数据展开了复建，全部这都形成了让人印象深刻得到的结果。

值得关注的是，使用IsoNet复建神经元突触的断块图后，一般包括很多蛋白、膜细胞结构、细胞骨架等繁杂构造，囊泡、膜蛋白、微管、微丝、细胞断块3D信息内容膜蛋白质物质都获得了非常好的修复。

IsoNet公布后导致了许多探讨，在其中一个重要的探讨是IsoNet如何做到missing-wedgecorrection。一个最主要的推论是神经元网络在练习环节中可以学到3D室内空间不同的角度的蛋白等生物结构的特点，并把这些数据填补到缺乏的契形方位，类似单颗粒冷冻光学显微镜的3D均值.