Plant Phenomics | 基于X射線CT圖像的半自動3D根系分割與評價方法

不同受控條件下或田間生長的土壤根系的無損調查，對于了解植物、增加農作物產量或適應氣候變化至關重要。已有研究證明，無損3D體積成像方法（如：基于計算機X射線斷層掃描(CTX)的方法）是獲取可視化和分析根系結構的有效方法。在受控制的生長條件下，利用這類體積掃描設備可以獲取精度在亞毫米分辨率下的根系數據。隨著CTX數據空間分辨率的提高，獲得的圖像質量會更好，需要分析的圖像數量也隨之增加，相關數據集的構建變得更具挑戰性，因而自動根系表型研究的需求也有所增加。

近日，Plant Phenomics在線發表了德國弗勞恩霍夫系統研究所(Fraunhofer Institute for Integrated Systems)Stefan Gerth等人題為Semiautomated 3D Root Segmentation and Evaluation Based on X-Ray CTImagery的研究論文。

在先前的工作中，作者比較了基于CTX圖像數據進行根分割和手動測量方法。本文采用的掃描方式能夠在連續手動分段的情況下產生的高質量數據，并清晰顯示所有測試罐尺寸的結構(Figure 1)。將人工分割的根系結構與收獲后使用WinRHIZO計算的根總長度進行比較(Figure 6)，結果表明：與WinRHIZO相比，從CTX圖像計算出的根性狀能夠顯示出減少的根總長。

眾所周知，當根部的可見性較差時會導致分割結果出現差異，該情況出現的原因之一是X射線穿過樣品時形成的成像會產生光子透射，樣品材料密度是造成這一現象的根本原因。當可見性較差時分割出的根和周圍土壤的衰減系數可能會非常相似，并且很難從視覺上加以區分。而對于細小的側根而言，側根直徑較小，導致分割難度隨之增加。

Figure 1: Workflow of the proposed semiautomatic segmentation.

 Figure 6: Root biomass Broot(in %) over depth (in mm) as a cumulative distribution for small- (green solid line) and medium- (orange dotted line) sized pots over the depth of the pot.

“多尺度船運”由Frangi等人提出，是一種自動描述人的血管數的方法，作者以此為擴展方法，從豆類和木薯植物中獲取CTX數據(Figure 2)。本文提出的半自動分割結果能夠與手動圖像處理相媲美，既能夠清晰地展現出根的連接處，結果也更為精確。

Figure 2: (a) Segmentation of a cassava plant. The green line represents the 3D soil-air interface, which indicates the entry point of the plant in the soil. (b) In red, the 3D convex hull of the segmentation is depicted with θmin = α as the minimum and θmax =β as the maximum root angle between the convex hull faces and the green soil slice.

論文鏈接
https://spj.sciencemag.org/journals/plantphenomics/2021/8747930/

——推薦閱讀——
A Deep Learning-Based Phenotypic Analysis of Rice Root Distribution from Field Images
https://spj.sciencemag.org/journals/plantphenomics/2020/3194308/
Plant Phenomics | 基于深度學習的水稻根系分布表型研究
A Statistical Growth Property of Plant Root Architectures
https://spj.sciencemag.org/journals/plantphenomics/2020/2073723/
Plant Phenomics | 植物根系的統計學生長特性分析

About Plant Phenomics
《植物表型組學》（Plant Phenomics）是由南京農業大學和美國科學促進會（AAAS）合作創辦的英文學術期刊，于2019年1月正式上線發行，是Science合作出版的第二本期刊。采用開放獲取形式，刊載植物表型組學交叉學科熱點領域具有突破性科研進展的原創性研究論文、綜述、數據集和觀點。具體范圍涵蓋高通量表型分析的最新技術，基于圖像分析和機器學習的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農業實踐中的表型組學新應用，與植物表型相結合的分子生物學、植物生理學、統計學、作物模型和其他組學研究，表型組學相關的植物生物學等。期刊已被CABI、CNKI、DOAJ和PMC數據庫收錄。

說明：本文由《植物表型組學》編輯部負責組稿。
中文內容僅供參考，一切內容以英文原版為準。
撰稿：周潔（實習）
編輯：周燦彧（實習）、鞠笑、孔敏
審核：尹歡