April 26th, 2016
Eine Methode zur visuellen und quantitative Wurzelstruktur Informationen von Röntgencomputertomographiedaten zu erhalten im Boden erfasst wird präsentiert.
Das übergeordnete Ziel dieses Verfahrens ist es, quantitative Informationen über Pflanzenwurzeln aus Röntgen-Computertomographie-Daten im Boden zu extrahieren. Diese Methode zur Untersuchung der Wurzelstruktur lebender Pflanzen kann dazu beitragen, wichtige Fragen im Bereich der Biologie zu beantworten, z. B. wie Pflanzen auf sich ändernde Umweltbedingungen wie Trockenheit, mikrobielle Aktivitäten und so weiter reagieren. Der Hauptvorteil dieser Technik besteht darin, dass sie nicht invasiv ist und es uns ermöglicht, Pflanzen in ihrer natürlichen Umgebung, dem Boden, zu untersuchen.
Dievisuelle Demonstration dieser Methode ist wertvoll, da das Verfahren zahlreiche Schritte umfasst, einschließlich tomographischer Bildgebung, Datenrekonstruktion und Analyse, die ohne visuelle Hilfe undurchsichtig sein können. Stellen Sie zunächst eine Topfpflanze in einem für die Zielvergrößerung gewünschten Abstand auf den Probenmanipulator des Röntgentomographen. Für eine Pflanze in einem Halter mit einem Durchmesser von zwei Zoll setzen Sie eine Probe auf einen Quellenabstand von etwa drei Zoll.
Stellen Sie in der Gerätesteuerungssoftware die Röntgenleistungseinstellungen auf 85 Kilovolt und 190 Mikroampere ein. Stellen Sie dann die Belichtungszeit auf eine Sekunde ein, um ein besseres Signal-Rausch-Verhältnis zu erzielen. Legen Sie die Anzahl der Projektionen auf 3.142 und die Anzahl der Bilder pro Projektion auf vier fest, um eine gute Datenstatistik zu erhalten.
Wählen Sie mit den gerade eingestellten Scan-Parametern die Registerkarte "Schattierungskorrektur". Klicken Sie dann auf "Neu" und benennen Sie die Schattierungskorrekturdatei. Klicken Sie dann auf "Präsentieren", um die neuen Bedingungen zu bestätigen.
Klicken Sie anschließend auf "Erstellen" und klicken Sie auf "OK", um zwei Referenzbilder zu verwenden. Klicken Sie dann auf Generieren. Wenn dann das Warn-Popup-Fenster angezeigt wird, entfernen Sie die Probe physisch aus dem Strahlengang, bevor Sie auf OK klicken. Die Schattierungskorrektur wird nun ausgeführt.
Klicken Sie nun auf die Registerkarte "Erfassung". Benennen Sie die Datendatei und wählen Sie dann "Keine" für den Röntgenfilter. Stellen Sie sicher, dass das Kontrollkästchen "Ringartefakte minimieren" aktiviert ist, damit die Probe während der Aufnahme der Projektionsbilder in Winkelschritten gedreht wird.
Starten Sie abschließend den Scan, indem Sie auf die Schaltfläche "Erwerben" klicken. Nachdem Sie die Rohdaten erfasst haben, laden Sie diese in das Rekonstruktionsprogramm. Vergleichen Sie das erste und das letzte Bild, indem Sie auf "Blinken" klicken, um sicherzustellen, dass sich die Probe nicht bewegt hat oder sich die Scaneinstellungen während der Datenerfassung nicht geändert haben.
Berechnen Sie den Drehschwerpunkt (COR), indem Sie die Registerkarte "Drehmittelpunkt" auswählen und die Optionen "Automatische" COR-Ermittlung mit hoher Qualität und Dual"-Schichtauswahl für die COR-Berechnung verwenden. Klicken Sie dann auf Start", um die Berechnung auszuführen. Nachdem Sie den COR gefunden haben, klicken Sie auf die Registerkarte "Volumen", um die zu rekonstruierende Probe auszuwählen.
Verwenden Sie die Miniaturansichten, um die Volume-Auswahlfenster zu bearbeiten. Klicken Sie dann auf Start"um die Rekonstruktion durchzuführen und die Volume-Datei mit 3D-Daten zu erstellen. Um einen verarbeitbaren RooTrak-Image-Stack vorzubereiten, laden Sie die Volume-Datei in ImageJ, indem Sie auf Datei, Importieren, Raw klicken und dann die Volume-Datei auswählen.
Um den Bildkontrast zwischen Wurzel und Erde zu optimieren, klicken Sie auf die Registerkarte "Bild", wählen Sie dann "Helligkeit/Kontrast anpassen" und wählen Sie "Auto". Wenn der Interessenbereich klar sichtbar ist, gelten die Einstellungen als optimiert. Speichern Sie die Bilder als Bildstapel im JPEG-, BMP- oder PNG-Format, indem Sie auf "Speichern unter" klicken und "Bildsequenz" auswählen.
Um in RooTrak zu verarbeiten, um die Wurzel zu segmentieren, wählen Sie die Registerkarte "Werkzeuge" und wählen Sie Tracker. Doppelklicken Sie dann auf den weißen Eingabebereich des Dialogfelds, um einen Bildstapel zu laden. Nachdem die Bilder geladen wurden, wählen Sie die Registerkarte "Tracker" und setzen Sie Seed-Punkte innerhalb der Wurzel, indem Sie auf mehrere Punkte in jedem der relevanten Wurzelabschnitte klicken, die in der Draufsicht der Volume-Daten sichtbar sind.
Stellen Sie den Tracker-Parameter Glätte auf 0,3 und Ähnlichkeit auf 0,8 ein. Klicken Sie auf das Feld unter "Ausgabeverzeichnis", um einen Dateiordner auszuwählen. Klicken Sie dann auf Ordner auswählen" und klicken Sie auf Start.
Anschließend wird die Tracking-Funktion ausgeführt. Dadurch wird die Wurzel vom oberen Bild-Slice bis zum unteren Slice verfolgt. Nachdem Sie die Volume-Daten geöffnet und angezeigt haben, wählen Sie die Anzahl der Slices entsprechend dem nutzbaren Datenvolume aus.
Im hier gezeigten Beispiel wurde die Verfolgung bei 200 Schichten gestoppt, was einer Tiefe von 6,2 Millimetern entspricht, wo die Wurzelgrenzen unscharf definiert wurden. Um eine Volumen- und Oberflächenanalyse in ImageJ durchzuführen, konvertieren Sie den Bildstapel aus RooTrak in ein binäres Bildformat, indem Sie Verarbeiten, Binär und dann Binär machen auswählen. Verwenden Sie das Open-Source-Plug-in ImageJ, BoneJ, um das dreieckige Netz zu erstellen, indem Sie Plug-ins, BoneJ und dann Isosurface auswählen.
Legen Sie im sich öffnenden Optionsfenster "Resampling" und "Threshold" auf sechs bzw. 120 fest. Aktivieren Sie dann Oberfläche anzeigen"und drücken Sie die OK"Taste. Klicken Sie im sich öffnenden 3D-Viewer auf die Registerkarte "Datei".
Klicken Sie dann auf "Oberflächen exportieren" und speichern Sie sie als STL-Binärdatei. Öffnen Sie abschließend IMESHJ. Laden Sie die STL-Datei, indem Sie auf "STL-Datei auswählen" klicken und die Voxelgröße in Mikrometern eingeben.
Klicken Sie auf "Voxelgröße eingeben", geben Sie 31 Mikrometer ein und klicken Sie dann zweimal auf "OK". Klicken Sie auf "Oberfläche berechnen", um die gesamte Wurzeloberfläche der Probe in Quadratmillimetern zu erfassen. Klicken Sie dann auf "Volumen berechnen", um das gesamte Wurzelvolumen der Probe in Kubikmillimetern zu erhalten.
Das Exemplar, bestehend aus zwei Stängeln des einheimischen Gras-Prärie-Tropfensamen, Sporobolus heterolepis, und der ursprünglichen Erde um ihn herum, ist hier zu sehen. Die Voxelgröße der rekonstruierten Daten betrug etwa 31 Kubikmikrometer. Nach der Erstellung eines Stapels von Bildern und der Erhöhung des Kontrasts zwischen den Wurzeln und dem Boden zeigten die rekonstruierten Daten, dass die Wurzel und einige der Bestandteile des Bodens sehr ähnliche Röntgendämpfungsfaktoren aufweisen, was zu einem geringen bis gar keinem Graustufenkontrast in den Bildern führt.
Diese Abbildung zeigt einen repräsentativen Ausgangspunkt, der in einem entsprechenden Stammabschnitt ausgewählt wurde, der in der oberen Schicht der Volume-Daten sichtbar ist. Mit den in diesem Video beschriebenen RooTrak-Parametern segmentierte RooTrak erfolgreich die ausgewählten etwa 200 Schichten von Volumendaten, was einer Tiefe von 6,2 Millimetern entspricht. Die Segmentierung der Wurzel wird ebenfalls in dieser Animation veranschaulicht.
Hier wurde ImageJ verwendet, um aus den von RooTrak erzeugten Daten eine dreieckige Netzisofläche des 3D-Volumens zu generieren. Die verwendeten Standardeinstellungen erzeugten relativ schnell eine detaillierte Isofläche. Schließlich wurde unter Verwendung von IMESHJ die Oberfläche mit 351,87 Quadratmillimetern berechnet, und das berechnete Volumen betrug 47,27 Kubikmillimeter.
Einmal gemeistert, kann dieses Verfahren in fünf Stunden durchgeführt werden, wenn es richtig durchgeführt wird. Wenn Sie diese Technik ausprobieren, ist es wichtig, daran zu denken, alle Sicherheitsverfahren zu befolgen. Es ist auch wichtig, sich daran zu erinnern, dass eine Wurzelsegmentierung nur möglich ist, wenn ein ausreichender Röntgenkontrast zwischen Wurzel und Boden vorhanden ist.
Nach diesem Verfahren können andere Proben mit verzweigten Strukturen wie Baumblättern, tierischen und menschlichen Lungen usw. abgebildet und analysiert werden, um zusätzliche Fragen zu beantworten, z. B. wie lebendes Gewebe wächst oder wie es bestimmte Bedingungen verträgt. Nach ihrer Entwicklung ebnet diese Technik Forschern im Bereich der Pflanzenwissenschaften den Weg, um Dinge wie Trockenresistenz bei Modellpflanzen wie Brachypodium zu erforschen. Nachdem Sie sich dieses Video angesehen haben, sollten Sie ein gutes Verständnis dafür haben, wie man eine Pflanzenprobe mit Hilfe der Tomographie abbildet, wie man seine Wurzelstruktur visualisiert und quantitative Informationen über die Wurzel aus Röntgen-Computertomographie-Daten im Boden extrahiert.
Vergessen Sie nicht, dass die Arbeit mit Röntgeninstrumenten gefährlich sein kann und die entsprechenden Sicherheitsverfahren befolgt werden sollten, wenn Sie diese Technik ausprobieren.
View the full transcript and gain access to thousands of scientific videos
Dieser Artikel präsentiert eine Methodik zur Extraktion visueller und quantitativer Informationen über Pflanzenwurzelstrukturen unter Verwendung von Röntgen-Computertomographie-Daten, die aus Boden gewonnen wurden. Die nicht-invasive Natur dieser Technik ermöglicht es Forschern, Pflanzen in ihrer natürlichen Umgebung zu untersuchen und bietet Einblicke in ihre Reaktionen auf verschiedene Umweltbedingungen.
Quantitative 3D analysis of plant root systems using in-soil X-ray computed tomography (XCT) enables non-invasive measurement of root volume and surface area, supporting predictive modeling of plant-environment interactions. This capability is critical for translational research in crop trait optimization, soil-microbe studies, and environmental stress response, providing high-confidence data for early discovery and preclinical validation. The workflow's reproducibility and adaptability position it as a reusable asset for biopharma and ag-biotech R&D pipelines.
This XCT-based workflow integrates from early discovery through preclinical trait validation, bridging imaging, segmentation, and quantitative analysis for robust data continuity.