3D U-Net сегментация улучшает реконструкцию корневых систем из МРТ-изображений
Проблема: Устойчивость сельского хозяйства требует понимания архитектуры корневой системы (RSA), но её 3D-фенотипирование в почве с помощью МРТ затруднено низким соотношением сигнал-шум (CNR) и сложной сегментацией.
Решение: Исследователи предложили двухэтапный автоматизированный рабочий процесс:
- Сегментация 3D U-Net: Улучшение CNR и разрешения МРТ-снимков, отделение корней от почвы.
- Автоматическая реконструкция: Применение алгоритма трассировки корней к сегментированным изображениям.
Методы оценки: Сравнение трёх методов реконструкции на МРТ-сканах люпина:
- M: Ручная реконструкция экспертами по исходным МРТ-изображениям.
- M+: Ручная реконструкция по сегментированным (3D U-Net) изображениям.
- A: Полностью автоматическая реконструкция.
Результаты:
- M+ vs M: Метод M+ выявлял больше корней и давал немного большую длину, особенно для корней первого порядка, не влияя на принятие решений человеком. Однако средний радиус корня обычно был больше в M+.
- A vs ручные методы: Автоматический метод (A) показывал меньшую общую длину корней, более частые изменения направления траекторий (проблемы с преодолением разрывов в сегментации) и иногда ошибки в топологической точности.
Вывод: Сегментация 3D U-Net значительно улучшает ручные рабочие процессы, особенно при низком CNR, повышая видимость корней и сокращая время реконструкции. Автоматический метод перспективен, но требует доработки для обработки топологических сложностей и заполнения разрывов.