3D成像计算玉米根系层次结构和细粒度特征的方法

3D成像计算玉米根系层次结构和细粒度特征的方法

   X射线、CT、MRI等三维成像技术已被广泛应用于植物根系结构的研究。有许多计算工具可以从3D根部图像中提取粗粒度特征，

如总体积、根数和总根长。然而，目前还缺乏精确有效地计算细粒根系特征的方法，

如每个层次的根数和几何形状。这些特性将使生物学家对根系结构有更深入的了解。

  用于从3D图像计算细粒度特征的TopORoot管道。从表示为图像切片堆栈(A)的3D灰度图像I开始，

TopORoot首先计算拓扑上简单的分割B(B)，然后它创建捕捉分支结构(C)的几何骨架S，

从该几何骨架S获得层次H(D)并随后计算特征。此示例和图2、3、4中的示例如下:

我们提出了一种从玉米根冠或根系的3D图像中计算细粒度结构特征的高通量计算方法Topo Root。

这些特征包括每个层次中根的数量、长度、厚度、角度、曲折度和子代数量。TopoRoot结合了计算机图形学中的算法，

如拓扑简化和几何骨架化，以及用于稳健获得分支结构和层次信息的自定义启发式算法。

拓扑根在挖掘出的田间根冠的CT扫描和根系的模拟图像上都得到了验证，

在这两种情况下，它都被证明比现有的方法提高了性状的准确性。对于分辨率范围为400^3的图像，

TopoRoot在桌面工作站上只需几分钟即可运行，只需为每个图像设置三个亮度阈值，几乎不需要人工干预。

分割根图像。对图像I进行阈值化会产生许多拓扑错误，例如断开连接（红色框）和手柄（青色框和紫色框），

并且茎内部是中空的（绿色框）。B应用我们的填充启发式，然后使用[20]的算法，得到一个分段B，去除这些拓扑错误，并填充茎部位。

Topo Root改进了目前的方法，可以更准确、更全面地从3D成像中获取玉米根系的细粒特征。

TopoRoot的自动化和效率使其适用于对大量根部图像的批处理。因此，我们的方法对物候学研究是有用的，

目的是找到根系构型背后的遗传基础，并随后开发出更高产的作物。