Summary
Een methodologie voor het verkrijgen van visuele en kwantitatieve wortel structuur informatie van X-ray computertomografie data verkregen in de bodem wordt gepresenteerd.
Abstract
Plantenwortels spelen een cruciale rol in de plant-bodem-microbe interacties die plaatsvinden in de rhizosfeer, evenals processen met belangrijke implicaties voor de klimaatverandering en gewasbeheer. Kwantitatieve grootte informatie over de wortels in hun eigen omgeving is van onschatbare waarde voor het bestuderen van wortelgroei en ecologische processen met planten. X-ray computed tomografie (XCT) is aangetoond dat een effectief instrument voor in situ wortel scanning en analyse. Ons doel was om een kosteloze en efficiënt instrument dat het oppervlak en het volume van de wortel benadert, ongeacht de vorm van driedimensionale (3D) tomografie gegevens te ontwikkelen. De wortel structuur van een Prairie dropseed (Sporobolus heterolepis) specimen werd in beeld gebracht met behulp van XCT. De wortel werd gereconstrueerd, en de primaire wortel structuur werd uit de gegevens gehaald met behulp van een combinatie van een licentie en open-source software. Een isosurface veelhoekige mesh werd vervolgens gemaakt voor het gemak van de analyse. We hebben ontwikkeld tHij standalone applicatie imeshJ, gegenereerd in MATLAB 1, root volume en de oppervlakte van de maas te berekenen. De uitgangen van imeshJ zijn oppervlak (in mm 2) en het volume (in mm 3). De werkwijze, gebruik van een unieke combinatie van instrumenten van beeldvorming wortel kwantitatieve analyse wordt beschreven. Een combinatie van XCT en open-source software bleek een krachtige combinatie om niet-invasief beeld De installatie wortel monsters, segment wortel data, en extract kwantitatieve informatie uit de 3D data. Deze methode van de verwerking van 3D-gegevens moet van toepassing zijn op ander materiaal / monster systemen waar sprake is van connectiviteit tussen componenten van soortgelijke X-ray demping en moeilijkheden ontstaan met segmentatie zijn.
Introduction
Wortels, als onderdeel van de rhizosfeer 2-5, vormen een "onzichtbare" deel van plantenbiologie omdat bodem bemoeilijkt beeld wortels niet-invasief 6, 7. Echter bestuderen wortelgroei en interactie in het bodemmilieu is cruciaal inzicht root / plantengroei en nutriënten cycli, die op hun beurt van invloed zijn bebossing, voedselzekerheid, en het klimaat. X-ray computertomografie (XCT) heeft zich bewezen als een waardevol instrument voor niet-invasieve beeldvorming van plantenwortels monsters in hun lokale omgeving 8 zijn. Om de ontwikkeling van de wortels en dimensionele veranderingen onder verschillende omstandigheden te meten, en in staat zijn om gegevens uit verschillende datasets / exemplaren te vergelijken, moet men kwantitatieve informatie uit de tomografie gegevens kan opvragen. Segmentatie van de wortel gegevens van die van de omringende grond, dat wil zeggen de isolatie beeld de wortel van alles heen (inclusief, bijvoorbeeld een naburige plant) is een belangrijke stap voor accusize analyse tarief kan worden gedaan. Echter, een eenvoudige drempelwaarde aanpak is vaak niet haalbaar voor root data. De uitdagingen in verband met beeldvorming plantenwortels in de bodem omvatten variaties in de X-ray verzwakkingseigenschappen van het wortelmateriaal en de overlap in dempingswaarden tussen wortels en bodem door water en organisch materiaal. Deze kwesties zijn prachtig onlangs aangepakt door Mairhofer et al. in hun visuele tracking tool RooTrak 7, 9. De volgende stap na een succesvolle segmentatie is de nauwkeurige bepaling van de root volume en de oppervlakte. Het volume kan worden geschat door het tellen van het aantal voxels en te vermenigvuldigen met de voxels 'size blokjes zoals vóór 7. Voor een meer nauwkeurige bepaling van wortel oppervlakte en volume, kunnen de isosurface van de gesegmenteerde wortelstelsel worden vertegenwoordigd door een netwerk van driehoeken, met behulp van een algoritme bekend als Marching Cubes 10. De open source ImageJ 11 kan worden gebruikt om e benaderene root volume op basis van de Marching Cubes algoritme. Voor zover ons bekend, slechts een beperkt aantal open-source software gewijd aan de berekening van tomografie op basis van volume / oppervlak gegevens voor root specimens aan de centimeter bereik en vooral is momenteel beschikbaar 12. Een open-source software hebben we gekeken naar 13 richt zich op de wortelgroei en is gericht op mobiele features waardoor kwantitatieve volume analyse op single-cell resolutie. Een aantal open-source software gewijd aan het hele wortelstelsel 14 is uitstekend geschikt voor kleine diameter buisvormige root-systemen op basis van de onderlinge dat hun vorm is eigenlijk buisvormig. Sommige werken met 2D beelden zijn en niet kunnen verwerken 3D stapels 14. Bovendien kan de buisvorm onderlinge ongeldig wanneer wortelsystemen met ruwe oppervlakken en niet-uniforme vormen, zoals bomen, bestudeerd. Een andere benadering 15 maakt gebruik van tweedimensionale (2D) image sequenties rotatie innovatief omzeilen the nodig heeft voor een dure CT-scanner. Het meet, records en displays wortelstelsel lengtes. De software die we hebben getest uit die alleen in de handel verkrijgbaar 16-18; men niet kunnen verwerken 3D beeld stapels 16, de tweede is een bladoppervlak en wortellengte meetinstrument 17, terwijl de derde is gebaseerd op kleuranalyse 18. Op basis van dit onderzoek, stellen we voor dat een kosteloze optie die het oppervlak en het volume van de wortel benadert, ongeacht de vorm van 3D tomografie data gewenst is.
Voortbouwend op de vrij beschikbare RooTrak en ImageJ, hebben we een programma, genaamd imeshJ ontwikkeld (zie Aanvullende Code File), die een isosurface mesh (oppervlakte stereolithografie file) gegenereerd uit gesegmenteerde wortel data verwerkt, en berekent het volume en de oppervlakte van de wortel van het doen van eenvoudige geometrische berekeningen op de maas driehoek index data. Hier beschrijven we een werkwijze die het gebruik van XCT-beelden worden gecombineerd,data reconstructie en visualisatie (software CT Pro 3D en VG Studio), segmentatie van de wortel van het monster uit de bodem in de 3D-data (open-source software ImageJ en RooTrak), en extractie van het oppervlak en het volume van informatie uit een driehoekige mesh (ImageJ en de computer code imeshJ).
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Let op: De werking van een X-ray tomografie scanner vereist zowel algemene straling opleiding en instrument-specifieke veiligheidseisen straling training. Alle bijbehorende procedures om het laboratorium van de experimentator relevant moet worden gevolgd.
1. Root Imaging
Opmerking: deze stap wordt de beeldvorming van een gras specimen gehouden in de oorspronkelijke bodem in een buisvormige plastic pot (een plastic buis met een diameter van 40 mm, een hoogte van 210 mm en een wanddikte van ongeveer 2 mm).
- Plaats potplant op het monster manipulator van het instrument op een gewenst voor het doel vergroting afstand. Voor een installatie in een diameter houder 2-inch, moet het monster bron afstand ongeveer 3 inch (7 cm).
- Stel de X-ray scan-instellingen om een optimale kleur (grijs-niveau) contrast image detector bereiken. Opmerking: Deze instellingen zijn beschikbaar in het instrument besturingssoftware gebruikt.
- Set X-ray energie-instellingen; 85 kV en 190 uA werden bij dit examenple.
- Stel belichtingstijd. Hier, een relatief lange belichtingstijd van 1 seconde werd gebruikt voor een betere signaal-ruisverhouding.
- Stel het aantal projecties en frames per projectie; 4 frames per projectie voor een totaal van 3142 projecties wordt voorgesteld voor een goede data statistieken.
- Voer een schaduw correctie met behulp van de meting bovenvermelde voorwaarden door het tabblad "Shading correctie", en klikken op "Maak".
Opmerking: De arcering compenseert voor de variatie in de respons van pixels van de beeldvormende inrichting wanneer verlicht met een constante reeks X-ray flux. Het proces duurt lege foto's (met voorbeeld uit stralengang) met de röntgenbundel ingeschakeld en met de bundel uitgeschakeld. Deze correctie wordt toegepast op alle foto's verzameld. - Kies de optie 'Minimaliseer ring artefacten "(ook wel" pendelen mode "); het monster zal worden gedraaid in hoekig stappen, terwijl de projectie-beelden worden verkregen. Dit leidt tot DATeen overname in een trager tempo, maar helpt bij het elimineren ring artefacten.
- Start de scan door te klikken op de "Acquire" knop onder het tabblad Acquisition (met de hierboven geschetste instellingen, afbeelding collectie zal ongeveer 4 uur duren).
Reconstructie 2. Gegevens
Opmerking: Dit deel beschrijft de reconstructie van 3D-volume gegevens van het RAW-afbeeldingen (röntgenfoto van de CT-scan).
- Laad de ruwe gegevens in het programma.
- Eerste en laatste beeld te vergelijken (ze moeten bijna identiek als het laatste beeld is genomen na een 360 o rotatie van het monster) om te zorgen dat het model niet verplaatsen of de scaninstellingen niet veranderen tijdens data-acquisitie.
- Bereken het draaipunt (COR) door het tabblad "Center of rotation", en te klikken op "Start"; gebruik opties "Automatic" COR vinden met "hoge kwaliteit" nauwkeurigheid, en de "Dual" (boven en onder) slice sverkiezing voor COR berekening.
- Selecteer het monster volume te reconstrueren: selecteer het tabblad "Volume", en het volume selectie ramen met behulp van de miniaturen te bewerken.
- Voer de wederopbouw van het volume-bestand met 3D-data te creëren door te klikken op "Start".
3. Data Processing / Segmentatie
Opmerking: Dit deel beschrijft de stappen die moeten worden genomen om de gereconstrueerde gegevens voor verdere verwerking in het programma RooTrak wortels volgen bereiden zoals ze vertakken in de bodem, en het isoleren van de wortels van alle omringende materiaal om een stapel van binaire beelden van alleen de productie van wortel zelf.
- Verwerking van datavolume in ImageJ een RooTrak afbeelding verwerkbare stapel te bereiden:
- Laad het volume-bestand in ImageJ.
- Optimaliseer het contrast tussen de wortel en de bodem door het aanpassen van de helderheid en contrast (Klik op de afbeelding / Aanpassen / Helderheid / Contrast). Wanneer de regio van belang binnen het beeld zichtbaar is en clearly onderscheiden, worden de instellingen beschouwd geoptimaliseerd.
- Opslaan als een afbeelding stapel in jpeg, bmp of png-formaat.
- Verwerking in RooTrak segmenteren de wortel:
- Load image stapel in RooTrak (ga naar het tabblad "Extra", en druk op "Tracker").
- Stel zaad punten binnen root: klik op een aantal punten in elk van de betreffende baanvakken zichtbaar in de top slice van het datavolume uitzicht.
- Stel tracker parameters "gladheid" en "Gelijkenis" naar 0,3 en 0,8, respectievelijk.
- Voer de tracking-functie. Dit zal de wortel volgen vanaf de bovenkant slice helemaal naar de bodem slice.
- Na het bekijken van de hoeveelheid data, selecteer het aantal schijfjes op basis van de bruikbare hoeveelheid gegevens; in dit geval werd het volgen gestopt bij 200 segmenten, overeenkomt met een diepte van 6,2 mm, waarbij wortel grenzen werd slecht gedefinieerd (het beeld van het gevolgde wortel begon te mengen in dat van de bodem).
Merk opafbeeldingsstapel geproduceerd wordt automatisch opgeslagen naar de plaats waar de output directory is gemaakt.
4. Volume en Surface Analysis
Opmerking: Deze stap beschrijft de isosurface maas generatie uit de afbeelding stapel gecreëerd door RooTrak.
- Omzetten image stapel uit RooTrak in een binair beeldformaat in ImageJ. Selecteer "Process", dan "Binary", dan "Make Binary".
- Gebruik de open-source ImageJ plugin, BoneJ, de driehoekige mesh te creëren; in ImageJ selecteer "Plugins", dan "BoneJ", dan "isosurface".
- Stel "Resampling" en "Threshold" tot en met 6 en 120, respectievelijk (standaardinstellingen). Vink "Show oppervlak", en druk op de knop "OK".
- Op de "3D-viewer" klik op het tabblad Bestand en vervolgens op "Export vlakken", vervolgens opslaan als 'STL (binary) ".
- Open imeshJ, selecteer het STL bestand en voert voxel grootte in micron. Klik op 'Calculate Oppervlakte "naar de totale steekproef wortel oppervlakte Op dezelfde manier te verwerven in 2 mm., klikt u op" Bereken Volume "om de totale steekproef rootvolume verkrijgen mm 3.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Het monster bestaat uit twee stammen van het natieve grasprairie dropseed (Sporobolus heterolepis) en de oorspronkelijke bodem eromheen is gemaakt van een woonwijk en in een kleine buisvormige houder gezien in figuur 1. De gereconstrueerde data voxel ongeveer 31 um x 31 urn x 31 urn. De gereconstrueerde volume file werd gebruikt om een stapel foto's maken op basis van een gekozen oriëntatie (bovenaanzicht) met behulp van de open-source beeldbewerkingsprogramma ImageJ 1.6 11. Het volume data werd ook opgehelderd in dit programma om het contrast tussen de wortel en de bodem waarden te verhogen. Van de gereconstrueerde data, was het duidelijk dat de wortel en sommige componenten van de bodem, waarschijnlijk organische stof, zeer vergelijkbaar X-ray demping factoren resulteert in weinig tot geen grijsschaal contrast in de beelden (figuur 2).
RooTrak, het programma dat wordt gebruikt voor de segmentatie, is een open source programma ontwikkeld aan het Center for Integrative Plant Biology aan de Universiteit van Nottingham 7. Het is specifiek ontworpen om wortels volgen terwijl ze vertakken in de bodem en de wortels isoleren van omringende materiaal Stapels binaire beelden te produceren. RooTrak is aangetoond dat segmenteringen beter dan eenvoudige drempelwaarde produceren voor root data 7, 9. Een kiempunt werd gekozen in elk van de betreffende baanvakken zichtbaar in het bovenste segment van het gegevensvolume (figuur 3) wordt de volgfunctie van de software werd uitgevoerd. De RooTrak parameters "Gladheid" en "Gelijkenis" werden respectievelijk 0,3 en 0,8. Dit gamma biedt voortdurend goede grijswaarde scheiding en isoleert de regio van belang goed. RooTrak succes gesegmenteerd geselecteerde segmenten 200 datavolume (figuur 4), die overeenkomt met een diepte van 6,2 mm was. Zie segme ntation van de wortel in de animatie-bestand (Rootvideo.mov).
ImageJ werd gebruikt om een driehoekige maas, isosurface genereren van de 3D-volume (benadert het oppervlak van de geïsoleerde root) van de door RooTrak (figuur 5) gegevens. Standaard instellingen gebruikt voor "Resampling" en "Threshold" in ImageJ plugin BoneJ (zie 4.3 in Protocol) werden geselecteerd omdat ze een gedetailleerde isosurface te produceren in een relatief snelle manier. Aanpassen van de herbemonstering niveau zal de hoeveelheid tijd die het duurt om het isosurface maken beïnvloeden. Het gaas is opgeslagen in de STL opmaak en imeshJ werd gebruikt om de oppervlakte en het volume van het net te berekenen. Voor het gereconstrueerde volume in deze studie, het berekende oppervlak was 351,87 mm 2, en het volume 47,27 mm 3 (zie figuur 6).
"Src =" / files / ftp_upload / 53788 / 53788fig1.jpg "/>
Figuur 1. Het levend exemplaar gebruikt in de studie. Het gras monster werd in beeld gebracht in haar geboortegrond in een 7 "hoog, 1,5" diameter plastic pot. Klik hier om een grotere versie van deze figuur te bekijken.
Figuur 2. De segmentatie probleem. Links: Bovenaanzicht van een horizontaal segment van het monster dat organisch materiaal (OM) bestanddelen van soortgelijke grijsniveau aan dat van de wortel. Rechts: 3D-weergave van de gegevens met alle componenten die vergelijkbare grijze niveau om de wortel. klik hier om een grotere versie van deze figuur te bekijken.
. Figuur 3. Startpunt RooTrak Linksboven: top slice van het datavolume, waar zaaien is gestart uitzicht; Rechtsboven: vergrote weergave van het deel worden gekenmerkt door een rood vierkant in de linker figuur zijn zaad punten geselecteerd in de pertinente wortel . doorsnede Ten slotte: De wortel verzadigde in rode kleur is geselecteerd voor segmentatie klik hier om een grotere versie van deze figuur te bekijken.
Figuur 4. Vergelijking van de segmenten van RooTrak. Drie representatieve paren bovenaanzicht segmenten van verschillende "hoogten", waarop de wortel gesegmenteerd door RooTrak. (A - B): Slice top en de daarbij behorende deel van de gesegmenteerde stam; (C - D): midden van de regio slice en de bijbehorende deel van de gesegmenteerde wortel; (E - F). Bodemgebied slice en de bijbehorende deel van de gesegmenteerde wortel Klik hier om een grotere versie van deze figuur te bekijken.
Figuur 5. isosurface van de wortel als opgevangen uit ImageJ. De wortel oppervlak werd benaderd door een driehoekige mesh. Klik hier om een grotere versie van deze figuur te bekijken.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Een combinatie van X-ray computertomografie en diverse open-source programma's bleek een krachtige combinatie om niet-invasief beeld De installatie wortel monsters, segment wortel data, en extract kwantitatieve informatie (oppervlakte en volume) van de 3D-gegevens. Ons vermogen om te visualiseren en meten functies altijd beperkt door scanresolutie, en door beperkingen van de RooTrak software. Echter scanresolutie voldoende om de meeste van de kenmerken van het monster in deze studie vangen en RooTrak kon succesvol segment een aanzienlijk deel van de wortel. De versie van RooTrak gebruikt in dit werk niet omhoog reizende wortelsegmenten volgen (opstijgend vertakking niet aanwezig in belangrijke mate in het monster hier bestudeerde); een nieuwere versie van het programma richt zich op dit probleem 9.
Zoals doorschemeren in de inleiding, een overzicht van de literatuur gesuggereerd dat een kosteloze software-optie om wortel volum berekenene / oppervlakte van 3D tomografie gegevens over exemplaren in de centimeter bereik en vooral was zeer gewenst. De betekenis van de hier gerapporteerde benadering is dat, nadat de wortel gesegmenteerd, werkt met een 3D dataformaat door het veel gebruikte programma ImageJ. Het hart van de analyse het berekenen van het volume en de oppervlakte van de wortel van het beeld benaderd door een driehoekige mazen. De driehoekige maas die door ImageJ in het STL-formaat, wordt vertegenwoordigd door de indices van de driehoeken die het oppervlak benadering. ImeshJ haalt de indices van de binaire bestandsformaat en kan het oppervlak van de indices te berekenen (wat gewoon half de grootte van het uitwendig product tussen vectoren verbindingspunten [1,2] en de punten [1,3].) het volume wordt berekend door het construeren van een tetraëder tussen de driehoekspunten en de oorsprong en het vinden van de scalair-product tussen triple de plaatsvectoren van de driehoek. Hoewel er verschillende rIDDELEN voor dergelijke berekeningen, de uitdaging was om de oppervlakte en het volume van mazen die ruim 10 miljoen driehoeken bevatten efficiënt berekenen (zoals in groter wortelstructuren kan zijn.) Doordat lusstructuren van de code die de driehoeken zou verwerken één voor één, en de uitvoering van verschillende methoden die het mogelijk maken gelijktijdige verwerking van meerdere datapunten, waren we in staat om de berekeningen op een 6.000.000-driehoek draaien onder 5 sec maas in. Met betrekking tot de grootte te proeven, zou een plant in een 20-ounce container het hele detector bereik onder dezelfde vergroting te dekken en zou resulteren in een 2000-plak van stapel als dataset. Als we de snelheid van de berekening op basis van een 200-slice image stack (de steekproefgrootte van de verwerkte wortel in deze studie, 6,2 mm) wordt verwerkt in 5 seconden naar een 2000-plak van stapel te extrapoleren, moet imeshJ nog verwerken dat in het kader van 1 min .
De producten van deze werkwijze zijn de oppervlakte en het volumevan de wortel monster dat zonder de plant uit de bodem of verstoren op enigerlei wijze bepaald. Het berekende oppervlak is 351,87 mm 2, het volume 47,27 mm 3. Andere, intermediaire producten zijn een 3D-visualisatie van de wortelstructuur en de driehoekige mazen van de wortels (figuur 6).
De kritische stappen in het huidige protocol zijn de niet-invasieve tomografische beeldvorming van het monster om gegevens met voldoende dichtheid contrast (stap 1 in Protocol), de segmentering van de wortel gedeelte van de studie van de rest van het monster (stap 3) te bieden, en de berekening van het root volume en de oppervlakte van de driehoekige mesh, isosurface (stap 4). Om een optimale dichtheid contrast bereiken de röntgenbron vermogensinstellingen, 85 kV en 190 uA werden gekozen op basis detectorresponsie de onderhavige monster; lagere X-ray macht zou inferieure kleurcontrast hebben geproduceerd, terwijl hogere macht de detector zou zijn verzadigd. De grijze niveau histogram kenmerk van het verzamelen van gegevens software leidt de gebruiker om te beslissen wat energie-instellingen te gebruiken. In het algemeen, bodem-plant monsters met een aanzienlijk organisch gehalte hebben de neiging om lager (> 100 kV) vereisen X-ray voltage-instellingen.
De nauwkeurigheid van de berekende oppervlakte is afhankelijk van de veronderstelling dat de isosurface door ImageJ is een redelijke benadering van de werkelijke oppervlakte van de wortel. Deze aanname is redelijk voor grote wortelsegmenten, maar kan blijken minder dus als wortels met afmetingen vergelijkbaar met de voxelafmeting worden afgebeeld. Voor het monster in deze studie, de grootte van de gehele wortel en de segmenten waren magnitudes groter dan de voxel. De standaard ImageJ / BoneJ instellingen (zie 'Threshold' parameter in 4.3 van Protocol) wat resulteert in 3.6x10 -4 mm 2 driehoeken ten opzichte van de 9.6x10 -4 mm afbeelding 2 pixelgrootte moet een nauwkeurige schatting van de wortel oppervlak een hebben verstrektrea. Voor exemplaren met kleinere functies vereisen meer detail, kan het aantal driehoeken benadert het oppervlak worden verhoogd (driehoek omvang verlaagd) door het verlagen van de 'Threshold' waarde. Dit resulteert in langere rekentijd. Voor root segmenten met de afmetingen van de voxel grootte nadert, de instrumentale resolutie wordt de bottleneck, omdat de voxel vertegenwoordiging minder nauwkeurig. De nauwkeurigheid van de berekende volume getal is ook afhankelijk van de bovengenoemde hypothese, maar in kleinere mate omdat kleinere diameter wortels dragen verhouding minder om het volume van de wortels is dan het oppervlak van de wortel. Toch kan een kleinere dwarsdoorsnede van de wortel even doeltreffend als afstand tussen de röntgenbron geminimaliseerd worden gescand. Met andere woorden, wortelsegmenten die hogere resolutie gegevens, zouden moeten opnieuw worden afgetast bij een grotere vergroting en nauwkeuriger statistieken kunnen worden verkregen. De nauwkeurigheid van de oppervlakte rekenkundige ookdie door onvolmaakte segmentatie van de wortel uit de grond. Terwijl ons vermogen om de wortel te onderscheiden van de grond afhankelijk van de kleur (grijswaarde) contrast bereikt de beeldvormingsstap zou verbetering van de segmentatie stap helpen verminderen fouten in de berekening. Ontwikkeling van een nieuwe code die de RooTrak segmentatie proces zou verbeteren is aan de gang. De berekening gedaan door imeshJ werd geverifieerd door vergelijking van de uitvoer van het programma voor eenvoudige, eendelige specimens met volume en oppervlak in ons laboratorium.
Deze methode van de verwerking van 3D-gegevens moet van toepassing zijn op ander materiaal / monster systemen waar sprake is van connectiviteit tussen componenten van soortgelijke X-ray demping en problemen ontstaan met voorbeeld segmentatie. ImeshJ zal werken aan 3D-gegevens uit alle bronnen (PET, MRI scans) op een object van belang, zolang een afbeeldingsstapel wordt gemaakt van de data, die wordt gebruikt om een isosurface maken en het STL-bestanddat imeshJ gebruikt. De berekende oppervlakte en volume cijfers moeten worden vergeleken met waarden verkregen op hetzelfde monster met andere middelen (te ontwikkelen) om de nauwkeurigheid van deze berekeningen beoordelen. Deze vergelijking is van belang voor ons vermogen om de imeshJ code verder te verfijnen zijn. Toekomstige plannen omvatten de ontwikkeling van een nieuwe root tracking tool en de imeshJ code voor high-throughput beeldvorming van plantenwortels monsters.
Subscription Required. Please recommend JoVE to your librarian.
Materials
| Name | Company | Catalog Number | Comments |
| X-Tek/Metris XTH 320/225 kV | Nikon Metrology | X-ray tomography scanner | |
| Inspect X | Nikon Metrology | Instrument control software | |
| CT Pro 3D | Nikon Metrology | Reconstruction software, version XT 2.2 | |
| VG Studio MAX | Visual Graphics GmbH | Visualization software for 3D volumes, version 2.1.5 | |
| ImageJ | Open-source | Image processing and analysis software, version 1.6 | |
| RooTrak | Open-source | Root segmentation software, version 0.3.1-b1 beta | |
| imeshJ | EMSL | MATLAB script developed by the authors | |
| Prairie dropseed grass sample | Sample obtained from ground in residential area |
References
- MATLAB. , The Mathworks, Inc. Available from: http://www.mathworks.com/products/matlab (2015).
- McKenzie, B. M. The Rhizosphere: An Ecological Perspective. Eur. J. Soil Sci. 59 (2), 416-417 (2008).
- Farrar, J., Hawes, M., Jones, D., Lindow, S. How roots control the flux of carbon to the rhizosphere. Ecology. 84 (4), 827-837 (2003).
- Gregory, P. J. Roots rhizosphere and soil: the route to a better understanding of soil science? Eur. J. Soil Sci. 57 (1), 2-12 (2006).
- Philippot, L., Raaijmakers, J. M., Lemanceau, P., van der Putten, W. H. Going back to the roots: the microbial ecology of the rhizosphere. Nat. Rev. Microbiol. 11 (11), 789-799 (2013).
- Gregory, P. J., Hutchison, D. J., Read, D. B., Jenneson, P. M., Gilboy, W. B., Morton, E. J. Non-invasive imaging of roots with high resolution X-ray micro-tomography. Plant and Soil. 255 (1), 351-359 (2003).
- Mairhofer, S., et al. RooTrak: Automated Recovery of Three-Dimensional Plant Root Architecture in Soil from X-Ray Microcomputed Tomography Images Using Visual Tracking. Plant Physiol. 158 (2), 561-569 (2012).
- Soil-Water-Root Processes: Advances in Tomography and Imaging. Anderson, S. H., Hopmans, J. W. , Soil Science Society of America. United States. (2013).
- Mairhofer, S., et al. Recovering complete plant root system architectures from soil via X-ray mu-Computed Tomography. Plant Methods. 9, 8 (2013).
- Lorensen, W. E., Cline, H. E. Marching cubes: a high resolution 3D surface construction algorithm. Comput. Graph. 21 (4), 163-169 (1987).
- ImageJ: Image Processing and Analysis in Java. , Available from: http://imagej.nih.gov/ij (2014).
- Lobet, G., Draye, X., Perilleux, C. An online database for plant image analysis software tools. Plant Methods. 9 (38), (2013).
- Schmidt, T., et al. The iRoCS Toolbox - 3D analysis of the plant root apical meristem at cellular resolution. Plant J. 77 (5), 806-814 (2014).
- Galkovskyi, T., et al. GiA Roots: software for the high throughput analysis of plant root system architecture. BMC Plant Biol. 12, 116 (2012).
- Clark, R., et al. 3-Dimensional Root Phenotyping with a Novel Imaging and Software Platform. Plant Physiol. 156, 455-465 (2011).
- RootSnap!. , CID Bio-Science. Available from: https://www.cid-inc.com (2013).
- Skye Leaf Area and Analysis Systems and Root Length Measurement System. , Skye Instruments Limited. Available from: http://www.skyeinstruments.com/products/plant-analysis-systems/leaf-arearoot-length-systems (2014).
- Arsenault, J. L., Pouleur, S., Messier, C., Guay, R. WinRHIZO™ a root-measuring system with a unique overlap correction method. HortSci. 30, 906-906 (1995).
