表型技术的进步,包括对象成像、高通量监测和软计算,对于理解植物对环境胁迫的响应至关重要。这些技术能够详细分析植物在非生物和生物胁迫(如干旱)下的形态、生理和结构适应。当前利用多模态和多视角图像处理方法的研究能够捕捉增强植物抗逆性并抵抗胁迫的关键过程,通过识别形态和生化指标。然而,植物响应的动态与复杂特性为生成精确的分析和不断演变的表型描述带来了诸多挑战。本文引入了基于共分割原理的并行成像分析,用于创建新表型的分类法。这里的一维指的是在单一表型维度(时间、模式或视角)内对多张图像的并行分析,而非跨维度信息整合。所提出的一维表型集成了单一时间、模式或视角维度中的并行图像,以捕捉传统单图像或累积指标无法观测的动态形态和生理反应。在高通量图像产生系统中,这些表型能够更细致地定量表型变化,利用同步图像分析的优势增强对植物适应性的洞察。该工作契合对植物非生物胁迫下适应策略的研究,提供了植物在不利环境条件下健康的定量指标。
Building similarity graph...
Analyzing shared references across papers
Loading...
Rubi Quiñones
Francisco Muñoz‐Arriola
Sruti Das Choudhury
Plants
University of Nebraska–Lincoln
Southern Illinois University Edwardsville
Building similarity graph...
Analyzing shared references across papers
Loading...
Quiñones 等人(星期五)研究了该问题。
www.synapsesocial.com/papers/6980feb9c1c9540dea81104e — DOI: https://doi.org/10.3390/plants15030428
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: