Summary
En metode for å skaffe visuell og kvantitativ rot strukturere informasjon fra X-ray computertomografi data ervervet i-jord er presentert.
Abstract
Planterøttene spille en avgjørende rolle i plante-jord-mikrobe interaksjoner som oppstår i rhizosphere, samt prosesser med viktige implikasjoner til klimaendringer og avling ledelse. Kvantitativ størrelse informasjon om røtter i sitt opprinnelige miljø er uvurderlig for å studere rotvekst og miljømessige prosesser som involverer planter. Røntgen computertomografi (XCT) har vist seg å være et effektivt verktøy for in situ rot skanning og analyse. Vi forsøkte å utvikle en costless og effektivt redskap som er tilnærmet lik overflaten og volumet av roten uavhengig av sin form fra tre-dimensjonale (3D) data tomografi. Roten strukturen i en Prairie dropseed (Sporobolus heterolepis) eksemplar ble avbildes med XCT. Roten ble rekonstruert, og den primære roten strukturen ble hentet fra data ved hjelp av en kombinasjon av lisensierte og åpen kildekode. En isosurface kantet mesh ble deretter opprettet for enkel analyse. Vi har utviklet than stående program imeshJ, generert i MATLAB en, for å beregne rot volum og areal fra mesh. Utgangene fra imeshJ er flateareal (i mm 2) og volumet (i mm 3). Fremgangsmåten anvender en unik kombinasjon av verktøy fra imaging til kvantitativ analyse rot, er beskrevet. En kombinasjon av XCT og åpen kildekode viste seg å være en sterk kombinasjon til invasivt bilde plante rot prøver, segment rot data og hente ut kvantitativ informasjon fra 3D-data. Denne metodikken for å behandle 3D-data bør være aktuelt for andre materialet / prøven system hvor det er tilkobling mellom komponentene i lignende X-ray demping og problemer oppstår med segmentering.
Introduction
Roots, som en del av rhizosphere 2-5, representerer en "usynlig" del av plantebiologi siden jord gjør det vanskelig å avbilde røtter non-invasiv 6, 7. Men studerer rotvekst og samhandling innenfor jordmiljøet er avgjørende for forståelsen root / plantevekst og nærings sykling, som i sin tur påvirker skog, matsikkerhet og klima. X-ray computertomografi (XCT) har vist seg å være et verdifullt verktøy for ikke-invasiv avbildning av anlegget rot prøver i sine lokalmiljøer 8. For å måle rotutviklingen og dimensjonsforandringer under forskjellige forhold, og være i stand til å sammenligne data fra forskjellige datasett / prøver, må man trekke ut kvantitativ informasjon fra tomografi-data. Segmentering av de bakenforliggende data fra den omgivende jord, det vil si, isolering av roten bildet fra alt annet rundt det (inkludert, for eksempel, en nærliggende plante) er et kritisk trinn før accusats størrelse analyse kan gjøres. Men det er en enkel thresholding tilnærming ofte unfeasible for rot data. Utfordringene knyttet til bildebehandling planterøttene i jord omfatte variasjoner i de røntgendempingsegenskapene av roten materialet, og overlappingen i dempingsverdier mellom rot og jord forårsaket av vann og organisk materiale. Disse problemstillingene er ypperlig adressert nylig av Mairhofer et al. i deres visuelle verktøy for sporing RooTrak 7, 9. Neste skritt etter en vellykket segmentering er nøyaktig bestemmelse av rot volum og areal. Volumet kan estimeres ved å telle antall lydelementer og multiplisere med de voxel 'størrelse terninger som vist før 7. For en mer nøyaktig bestemmelse av rot overflateareal og volum, kan det isosurface av den segment rotsystemet være representert ved en maske av trekanter, ved hjelp av en algoritme som kalles Marching kuber 10. Open-source ImageJ 11 kan brukes til å tilnærme the root volum basert på Marching Cubes algoritmen. Så langt vi kjenner til, bare et begrenset antall av åpen kildekode programvare dedikert til beregning tomografi baserte volum / overflate data for rot eksemplarer i centimeter serien og oppover er tilgjengelig for øyeblikket 12. En åpen kildekode-programvare har vi sett på 13 fokuserer på rotvekst og er rettet mot mobilfunksjoner som muliggjør kvantitative volum analyse på encellede oppløsning. Noen open-source programvare dedikert til hele rotsystemer 14 er utmerket for liten diameter rørformet rotsystemer basert på tilnærming at deres form er faktisk rørformet. Men en del arbeid med 2D-bilder og er ikke i stand til å håndtere 3D stabler 14. Videre kan den rørformede formen tilnærming ikke være gyldig når rotsystemer med grove overflater og uensartede former, slik som de av trær, er studert. En annen tilnærming 15 bruker to-dimensjonale (2D) rotasjonsbildesekvenser innovativt omgår the trenger for en kostbar CT-skanner. Den måler, poster, og viser rotsystem lengder. Programvaren vi har testet fra de som bare er tilgjengelig kommersielt 16-18; man ser ikke ut til å være i stand til å håndtere 3D-bildet stabler 16, den andre er et blad område og rot lengdemåleverktøy 17, mens den tredje er basert på fargeanalyse 18. Basert på denne undersøkelsen, foreslår vi at en costless alternativet som tilnærmer overflaten og volumet av roten uavhengig av sin form fra 3D tomografi data er ønskelig.
Bygge på fritt tilgjengelig RooTrak og ImageJ, har vi utviklet et program som heter imeshJ (se Supplemental File Code) som behandler en isosurface mesh (overflate stereolithography fil) genereres fra segmenterte rot data, og beregner volum og areal av roten av gjøre enkle geometriske beregninger på mesh trekant indeksdata. Her rapporterer vi en metode som kombinerer bruk av XCT bildebehandling,data rekonstruksjon og visualisering (programvare CT Pro 3D og VG Studio), segmentering av roten av prøven fra jorden i 3D-data (open-source programvare ImageJ og RooTrak), og utvinning av overflaten og voluminformasjon fra et trekantet mesh (ImageJ og datamaskinen koden imeshJ).
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Forsiktig: Driften av en X-ray tomografi scanner krever både generell stråling trening, og instrumentspesifikke stråling sikkerhetsopplæring. Alle tilsvarende prosedyrer som er relevante for forsøket, laboratorium bør følges.
1. Root Imaging
Merk: Dette trinnet beskriver avbildning av en gress prøven som holdes i sin opprinnelige jord i en rørformet plastkanne (et plastrør med en diameter på 40 mm, en høyde på 210 mm, og en veggtykkelse på omkring 2 mm).
- Sette potteplante på prøven manipulator av instrumentet i en avstand som ønskes for target forstørrelse. For et anlegg i en diameter på holderen 2 tommer, bør prøven som kildedistansen være omtrent 3 inches (7 cm).
- Juster X-ray skanneinnstillinger for å oppnå optimal farge (grå nivå) kontrast i detektoren bilde. Merk: Disse innstillingene er tilgjengelige i instrumentkontroll programvare som brukes.
- Set X-ray strøminnstillinger; 85 kV og 190 uA ble brukt i denne eksamenenple.
- Sett eksponeringstid. Her ble det en forholdsvis lang eksponeringstid på 1 sek anvendt for bedre signal-til-støy-forhold.
- Sett antall projeksjoner og rammer per projeksjon; 4 bilder per projeksjon for totalt 3.142 anslag er foreslått for gode data statistikk.
- Kjør en skygge korreksjon ved hjelp av måle vilkårene fastsatt ovenfor ved å velge "Shading korreksjon" -kategorien, og klikke på "Create".
Merk: skyggelegging korreksjon kompenserer for variasjoner i respons på bilde enhetens piksler når belyst med en konstant sett av X-ray flux. Prosessen tar tomme bilder (med prøve fjernet fra strålebanen) med røntgenstrålen er slått på, og med bjelken slått av. Denne korreksjonen er brukt på alle bildene samlet inn. - Velg alternativet "Minimer ring gjenstander" (også kalt "skyt mode"); prøven vil bli rotert i vinkeltrinn mens projeksjons bildene er ervervet. Dette fører til datet oppkjøp i et saktere tempo, men bidrar til å eliminere ring gjenstander.
- Start skanningen ved å klikke på "Acquire" -knappen under fanen Acquisition (med innstillingene som er skissert ovenfor, vil bildesamlingen tar ca 4 timer).
2. Data Reconstruction
Merk: Denne delen beskriver rekonstruksjon av 3D volum data fra rå bilder (røntgenbilder fra CT scan).
- Last rådata inn i programmet.
- Sammenligne første og siste bildet (de skal være nesten identisk som det siste bildet er tatt etter en 360 o rotasjon av prøven) for å sørge for at prøven ikke flytte eller skanneinnstillingene ikke ble endret under datainnsamling.
- Beregn rotasjonssenteret (COR) ved å velge fanen "Center of rotasjon", og klikke på "Start"; bruk alternativer "Automatic" COR finne med "høy kvalitet" nøyaktighet, og "doble" (øvre og nedre) skive svalget for COR beregningen.
- Velg prøvevolumet som skal rekonstrueres: velg "Volume" -kategorien, og redigere volum utvalgsvinduene med miniatyrbilder.
- Utføre gjenoppbygging for å lage volumet fil som inneholder 3D-data ved å klikke på "Start".
3. Data Processing / Segmentering
Merk: Denne delen beskriver fremgangsmåten for å bli tatt for å forberede de rekonstruerte data for videre behandling i programmet RooTrak å spore røtter som de armen ut gjennom jord, og isolere røtter fra alle omkringliggende materiale til å produsere en stabel av binære bilder av akkurat den root selv.
- Behandling av volum data i ImageJ å forberede en RooTrak processbildestakk:
- Last volumet filen til ImageJ.
- Optimaliser bildekontrast mellom rot og jord ved å justere lysstyrke og kontrast (Trykk på bildet / juster / lysstyrke / kontrast). Når regionen av interesse i bildet er synlig og clearly skilles, blir innstillingene anses optimalisert.
- Lagre som en bildestakk i jpeg, bmp eller png format.
- Behandling i RooTrak å segmentere root:
- Last bilde bunken inn RooTrak (gå til "Verktøy" -kategorien, og trykk "Tracker").
- Sett spirepunkter inne root: Klikk flere punkter inne i hver av de aktuelle grunn seksjoner synlige i den øverste visning bit av volumdata.
- Sett tracker parametre "glatthet" og "Likhet" til 0,3 og 0,8, henholdsvis.
- Kjør sporingsfunksjonen. Dette vil følge rot fra den øverste bilde skive helt ned til den nederste skive.
- Etter å ha vist volumdata, velg antall skiver i henhold til brukbare datavolum; i dette tilfellet ble sporing stoppet på 200 stykker, tilsvarende en dybde på 6,2 mm, hvor roten grenser ble dårlig definert (bildet av det sporede rot begynte å blande inn den til jord).
Merk:bildestakk produsert vil bli lagret automatisk dit utdatamappen ble opprettet.
4. Volum og Surface Analysis
Merk: Dette trinnet beskriver isosurface mesh generasjon fra bildet stabelen opprettet av RooTrak.
- Konvertere bildestakk fra RooTrak inn et binært bildeformat i ImageJ. Velg "Process", deretter "Binary", deretter "Gjør Binary".
- Bruk open-source ImageJ plugin, BoneJ, for å skape den trekantede maske; i ImageJ velg "Plugins", deretter "BoneJ", deretter "Isosurface".
- Still "resampling" og "Threshold" til 6 og 120, henholdsvis (Standardinnstillinger). Sjekk "Show overflaten", og trykk på "OK" -knappen.
- På "3D-visningen" klikk på fanen Fil, deretter på "Export overflater", deretter lagre som "STL (binær)".
- Åpne imeshJ, velg STL fil og skriv voxel størrelse i mikron. Klikk "Calculate Surface Area "å kjøpe totale utvalget rot flateareal i mm 2. Tilsvarende, klikk på" Beregn volum "for å oppnå total prøve rot volum i mm 3.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Prøven bestående av to stammer av den native gress Prairie dropseed (Sporobolus heterolepis) og den opprinnelige jord rundt det ble tatt fra et boligområde og plassert i en liten rørformet holder vist i figur 1. Den rekonstruerte data voxel størrelse var tilnærmet 31 mikrometer x 31 mikrometer x 31 mikrometer. Den rekonstruerte volum ble brukt til å opprette en bunke bilder fra en valgt retning (sett ovenfra) ved hjelp av open-source bildebehandlingsprogram ImageJ 1.6 11. Volum data ble også lysere i dette programmet for å øke kontrasten mellom rot og jord verdier. Fra de rekonstruerte data, var det klart at roten og noen komponenter i jord, mest sannsynlig organisk materiale, har svært like røntgen dempningsfaktorer som resulterer i liten eller ingen grå-skala kontrasten i bildene (figur 2).
RooTrak, programmet som brukes for segmentering, er en åpen kildekode-program utviklet ved Senter for integrert plantebiologi ved Universitetet i Nottingham 7. Den er spesielt designet for å spore røtter som de armen ut gjennom jord, og isolere røtter fra omkringliggende materiale til å produsere en stabel av binære bilder. RooTrak har vist seg å produsere segmente bedre enn enkel terskelverdier for rot data 7, 9. Et frø punkt ble valgt inne i hver av de aktuelle bakenforliggende delene er synlige i den øverste skive av volumdata (figur 3) og deretter sporings funksjon av programvaren ble kjørt. De RooTrak parametre "glatthet" og "Likhet" ble satt til 0,3 og 0,8 henholdsvis. Denne serien gir stadig god grå verdi separasjon og isolerer regionen av interesse også. RooTrak hell segmentert de valgte 200 skiver av volumdata (figur 4), som var ekvivalent med en dybde på 6,2 mm. se segme ntation av roten i animasjonsfilmen (Rootvideo.mov).
ImageJ ble brukt til å generere en trekantet maske, isosurface, av 3D-volum (tilnærmet på overflaten av roten isolert) fra de data produsert av RooTrak (figur 5). Standardinnstillinger ansatt for "resampling" og "Threshold" i ImageJ plugin BoneJ (se 4.3 i protokollen) ble valgt fordi de produserer en detaljert isosurface i en relativt rask måte. Justering av resampling nivå vil påvirke hvor lang tid det tar å gjengi isosurface. Den mesh ble lagret i STL-format, og imeshJ ble brukt til å beregne overflateareal og volum av nettingen. For den rekonstruerte volum i den foreliggende undersøkelse, den beregnede overflateareal var 351,87 mm 2, og volumet 47,27 mm 3 (se figur 6).
"Src =" / files / ftp_upload / 53788 / 53788fig1.jpg "/>
Figur 1. Det levende eksemplar brukt i studien. Gresset Prøven ble avbildet i det opprinnelige jord i en 7 "høy, 1,5" plast diameter potten. Klikk her for å se en større versjon av dette tallet.
Figur 2. Segmentering Problem Venstre. Ovenfra av en horisontal skive av prøven viser organisk materiale (OM) komponenter av lignende grå nivå som i roten Høyre. 3D-gjengivelse av dataene viser alle komponenter som er av lignende grå nivå til roten. klikk her for å se en større versjon av dette tallet.
. Figur 3. Utgangspunkt i RooTrak Øverst til venstre: top view skive av volum data der seeding er startet, Øverst til høyre: utvidet visning av stykket er merket med en rød firkant i figuren til venstre, er spirepunkter valgt inn i relevant rot . tverrsnitt; Bunn: roten mettet i rød farge er valgt for segmentering klikk her for å se en større versjon av dette tallet.
Figur 4. Sammenligning av skiver fra RooTrak. Tre representative par av topp utsikt skiver fra forskjellige "høyder" som viser roten segmentert etter RooTrak. (A - B): Top skive og den tilsvarende bit av den segmenterte stammen; (C - D): mid region skive og den tilsvarende bit av segmentert rot; (E - F). Bunnområde skive og den tilsvarende bit av segmentert roten Klikk her for å se en større versjon av dette tallet.
Figur 5. Isosurface av roten som fanges fra ImageJ. Roten overflaten ble rundet av en trekantet maske. Klikk her for å se en større versjon av dette tallet.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
En kombinasjon av X-ray computertomografi og flere åpen kildekode-programmer viste seg å være en sterk kombinasjon til invasivt bilde plante rot prøver, segment rot data og hente ut kvantitativ informasjon (areal og volum) fra 3D-data. Evnen til å visualisere og måle egenskaper er alltid begrenset av skanneoppløsning, samt av begrensninger av RooTrak programvare. Men var skanneoppløsning tilstrekkelig til å fange opp mesteparten av funksjonene i utvalget i denne studien, og RooTrak var i stand til å segmentere en betydelig del av roten. Versjonen av RooTrak som anvendes i dette arbeidet ikke spore oppadgående liggende segmenter (oppadgående forgrening var ikke til stede i vesentlig grad i prøven undersøkt her); en nyere versjon av programmet løser dette problemet 9.
Som antydet i innledningen, en undersøkelse av litteraturen foreslått at en costless programvare alternativ for å beregne rot volume / areal fra 3D-tomografi data på prøvene i centimeter serien og over var svært ønskelig. Betydningen av tilnærming rapporteres her er at etter roten er segmentert, det fungerer med en 3D dataformat opprettet av den mye brukte programmet ImageJ. Hjertet av analysen er beregning av volum og overflateareal av roten fra dens bilde tilnærmes ved hjelp av en trekantet maske. Den trekantede mesh generert av ImageJ i STL-format, er representert ved indeksene av trekantene som utgjør overflaten tilnærming. ImeshJ trekker indeksene fra binærfilformatet og er i stand til å beregne areal fra indeksene (som er bare halvparten av størrelsen av kryssproduktet mellom vektorene bli punktene [1,2] og punktene [1,3].) volumet blir beregnet ved å konstruere et tetraeder mellom trekantpunktene og opprinnelse, og å finne den skalar produkt mellom triple- de posisjonsvektorer i trekanten. Selv om det er flere resources for slike beregninger var utfordringen til effektivt å beregne overflatearealet og volum for maskene som inneholdt i overkant av 10 millioner triangler (som kan være tilfelle i større bakenforliggende konstruksjoner.) Ved å eliminere løkkestrukturer fra koden, som ville behandle trekanter én etter én, og implementering av flere metoder som tillater samtidig behandling av flere datapunkter, var vi i stand til å kjøre beregninger på en 6000000-trekant maske på under fem sekunder. Med hensyn til å prøve størrelse, ville en potteplante i en 20-unse container dekker hele detektoren utvalg under samme forstørrelse og vil resultere i en 2000-slice bildestakk som datasett. Hvis vi ekstrapolere hastigheten til beregningen fra en 200-bit bildestabelen (prøvestørrelsen av det bearbeidede rot i denne studien, 6,2 mm) behandlet i 5 sekunder til en 2000-bit bildestabelen, bør imeshJ likevel behandle at under 1 min .
Produktene fra denne fremgangsmåten er den overflateareal og volumav roten prøven, som ble bestemt uten å fjerne planten fra jorden, eller forstyrre den på noen måte. Den beregnede overflateareal er 351,87 mm 2, volumet er 47,27 mm 3. Andre, middels, produkter er en 3D-visualisering av roten struktur, og den trekantede mesh av røttene (figur 6).
De kritiske trinn i den foreliggende protokollen er den ikke-invasive tomografisk avbildning av prøven for å tilveiebringe data med kontrast tilstrekkelig tetthet (trinn 1 i Protocol), segmentering av rotdelen av studien fra resten av prøven (trinn 3), og beregning av roten volum og overflateareal fra den trekantede mesh, isosurface (trinn 4). For å oppnå optimal tetthet kontrast, strøminnstillingene X-ray, 85 kV og 190 uA, ble valgt ut basert på detektorresponsen for den nåværende prøven; lavere X-ray makt ville ha produsert dårligere fargekontrast, mens høyere makt ville ha mettet detektoren. Den grå nivå histogram funksjon av datainnsamling programvare veileder brukeren i å avgjøre hva strøminnstillingene for å bruke. Generelt, jord-planteprøver med sterk organisk innhold har en tendens til å kreve lavere (> 100 kV) spenningsinnstillinger røntgen.
Nøyaktigheten av den beregnede overflateareal er avhengig av den grunn at isosurface produsert av ImageJ er en rimelig tilnærming til selve overflaten av roten. Denne antakelsen er rimelig for store rot segmenter, men kan vise seg mindre så når røttene med dimensjoner sammenlign til voxel størrelse er avbildet. For prøven i denne studien, er størrelsen på hele roten og dets segmentene var størrelser som er større enn den voxel størrelse. Standard ImageJ / BoneJ innstillinger (se "Threshold" parameter i 4,3 protokoll) som resulterer i 3.6x10 -4 mm 2 trekanter kontra 9.6x10 -4 mm 2 bildepikselstørrelse må ha gitt et nøyaktig anslag av roten overflaten enrea. For prøver med mindre funksjoner som krever mer detaljert, kan antallet triangler tilnærmet overflaten økes (trekant størrelse redusert) ved å senke den "terskel" verdi. Dette vil resultere i lengre regnetid. For root segmenter med dimensjoner nærmer voxel størrelse, blir instrumental oppløsning flaskehalsen, siden voxel representasjon blir mindre nøyaktig. Nøyaktigheten av den beregnede volum figuren er også avhengig av den ovennevnte antagelse, men i mindre grad, fordi mindre diameter røtter bidra proporsjonalt mindre av volumet av roten enn overflatearealet av roten. Imidlertid kan et mindre tverrsnitt av roten skal skannes like effektivt hvis avstand fra røntgenkilden reduseres til et minimum. Med andre ord, rot segmenter som krever høyere oppløsning data, ville trenge å bli re-skannet på et høyere forstørrelse, og mer nøyaktige beregninger kan oppnås. Nøyaktigheten av beregningen av arealet kan også værepåvirkes av ufullkommen segmentering av roten fra jorda. Mens vår evne til å skille roten fra jorden avhenger av fargen (grå nivå) kontrast oppnås i bilde trinn, vil forbedring av segmenteringstrinnet bidra til å redusere eventuelle feil i beregningen. Utvikling av en ny kode som ville forbedre RooTrak segmenteringsprosessen er i gang. Beregningen gjøres ved å imeshJ ble verifisert ved å sammenligne utgangssignalet fra programmets for enkle, en-komponent-prøvestykker av kjent volum og overflateareal i vårt laboratorium.
Denne metodikken for å behandle 3D-data bør være aktuelt for andre materielle / prøvesystemer hvor det er tilkobling mellom komponentene i lignende X-ray demping og vanskeligheter oppstår med prøven segmentering. ImeshJ vil fungere på 3D-data fra alle kilder (PET, MR) på hvilket som helst objekt av interesse så lenge som en bildestabel er opprettet fra dataene, som blir brukt til å skape en isosurface, og STL-filensom imeshJ bruker. De beregnet areal og volum tallene bør være i forhold til verdier oppnådd på samme prøve på andre måter (under utarbeidelse) for å vurdere nøyaktigheten av disse beregningene. En slik sammenligning vil være viktig for vår evne til å begrense den imeshJ kode. Fremtidige planer inkluderer utvikling av en ny rot sporingsverktøy og imeshJ kode for høy gjennomstrømming avbildning av anlegget rot prøver.
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).
