X射線、CT、MRI等三維成像技術已被廣泛應用于植物根系結構的研究。有許多計算工具可以從3D根部圖像中提取粗粒度特征，如總體積、根數和總根長。然而，目前還缺乏精確有效地計算細粒根系特征的方法，如每個層次的根數和幾何形狀。這些特性將使生物學家對根系結構有更深入的了解。

用于從3D圖像計算細粒度特征的TopORoot管道。從表示為圖像切片堆棧(A)的3D灰度圖像I開始，TopORoot首先計算拓撲上簡單的分割B(B)，然后它創建捕捉分支結構(C)的幾何骨架S，從該幾何骨架S獲得層次H(D)并隨后計算特征。此示例和圖2、3、4中的示例如下

我們提出了一種從玉米根冠或根系的3D圖像中計算細粒度結構特征的高通量計算方法Topo Root。這些特征包括每個層次中根的數量、長度、厚度、角度、曲折度和子代數量。TopoRoot結合了計算機圖形學中最先進的算法，如拓撲簡化和幾何骨架化，以及用于穩健獲得分支結構和層次信息的自定義啟發式算法。拓撲根在挖掘出的田間根冠的CT掃描和根系的模擬圖像上都得到了驗證，在這兩種情況下，它都被證明比現有的方法提高了性狀的準確性。對于分辨率范圍為400^3的圖像，TopoRoot在桌面工作站上只需幾分鐘即可運行，只需為每個圖像設置三個亮度閾值，幾乎不需要人工干預。

分割根圖像。對圖像I進行閾值化會產生許多拓撲錯誤，例如斷開連接（紅色框）和手柄（青色框和紫色框），并且莖內部是中空的（綠色框）。B應用我們的填充啟發式，然后使用[20]的算法，得到一個分段B，去除這些拓撲錯誤，并填充莖部位。 

Topo Root改進了目前最先進的方法，可以更準確、更全面地從3D成像中獲取玉米根系的細粒特征。TopoRoot的自動化和效率使其適用于對大量根部圖像的批處理。因此，我們的方法對物候學研究是有用的，目的是找到根系構型背后的遺傳基礎，并隨后開發出更高產的作物。

來源：Plant Methods.TopoRoot: a method for computing hierarchy and fine-grained traits of maize roots from 3D imaging.Dan Zeng, Mao Li, Ni Jiang, Yiwen Ju, Hannah Schreiber, Erin Chambers, David Letscher, Tao Ju & Christopher N. Topp
https://plantmethods.biomedcentral.com/articles/10.1186/s13007-021-00829-z