3D成像計(jì)算玉米根系層次結(jié)構(gòu)和細(xì)粒度特征的方法

   X射線、CT、MRI等三維成像技術(shù)已被廣泛應(yīng)用于植物根系結(jié)構(gòu)的研究。有許多計(jì)算工具可以從3D根部圖像中提取粗粒度特征，

如總體積、根數(shù)和總根長。然而，目前還缺乏精確有效地計(jì)算細(xì)粒根系特征的方法，

如每個(gè)層次的根數(shù)和幾何形狀。這些特性將使生物學(xué)家對根系結(jié)構(gòu)有更深入的了解。

  用于從3D圖像計(jì)算細(xì)粒度特征的TopORoot管道。從表示為圖像切片堆棧(A)的3D灰度圖像I開始，

TopORoot首先計(jì)算拓?fù)渖虾唵蔚姆指頑(B)，然后它創(chuàng)建捕捉分支結(jié)構(gòu)(C)的幾何骨架S，

從該幾何骨架S獲得層次H(D)并隨后計(jì)算特征。此示例和圖2、3、4中的示例如下:

我們提出了一種從玉米根冠或根系的3D圖像中計(jì)算細(xì)粒度結(jié)構(gòu)特征的高通量計(jì)算方法Topo Root。

這些特征包括每個(gè)層次中根的數(shù)量、長度、厚度、角度、曲折度和子代數(shù)量。TopoRoot結(jié)合了計(jì)算機(jī)圖形學(xué)中的算法，

如拓?fù)浜喕蛶缀喂羌芑约坝糜诜€(wěn)健獲得分支結(jié)構(gòu)和層次信息的自定義啟發(fā)式算法。

拓?fù)涓谕诰虺龅奶镩g根冠的CT掃描和根系的模擬圖像上都得到了驗(yàn)證，

在這兩種情況下，它都被證明比現(xiàn)有的方法提高了性狀的準(zhǔn)確性。對于分辨率范圍為400^3的圖像，

TopoRoot在桌面工作站上只需幾分鐘即可運(yùn)行，只需為每個(gè)圖像設(shè)置三個(gè)亮度閾值，幾乎不需要人工干預(yù)。

分割根圖像。對圖像I進(jìn)行閾值化會產(chǎn)生許多拓?fù)溴e(cuò)誤，例如斷開連接（紅色框）和手柄（青色框和紫色框），

并且莖內(nèi)部是中空的（綠色框）。B應(yīng)用我們的填充啟發(fā)式，然后使用[20]的算法，得到一個(gè)分段B，去除這些拓?fù)溴e(cuò)誤，并填充莖部位。

Topo Root改進(jìn)了目前的方法，可以更準(zhǔn)確、更全面地從3D成像中獲取玉米根系的細(xì)粒特征。

TopoRoot的自動化和效率使其適用于對大量根部圖像的批處理。因此，我們的方法對物候?qū)W研究是有用的，

目的是找到根系構(gòu)型背后的遺傳基礎(chǔ)，并隨后開發(fā)出更高產(chǎn)的作物。