光学相干断层扫描(OCT)结合机器学习实现小麦真菌感染的早期无创诊断

研究人员针对小麦真菌病害早期检测难题，创新性地采用低成本光学相干断层扫描(OCT)技术，结合机器学习(ML)分析，实现了对Septoria tritici感染的超早期（接种后2天）识别。该技术通过监测叶肉细胞间隙形态变化，比传统光谱检测提前5-6天发现无症状感染，为精准农业中的病害防控提供了突破性解决方案。

　　

在全球粮食安全面临挑战的背景下，小麦作为主要粮食作物，其产量受到真菌病害的严重威胁。其中由Zymoseptoria tritici引起的Septoria tritici blotch(STB)可导致高达40%的减产，而现有检测技术如高光谱成像(HSI)和分子检测(PCR)存在滞后性或操作复杂等问题。当真菌孢子通过气孔侵入叶肉组织时，传统方法需等待7天以上才能观察到叶片黄化等可见症状，此时防治效果已大幅降低。

为解决这一关键问题，Ghada Salem Sasi等研究者开展了一项创新性研究，通过低成本的商业OCT系统（分辨率~10μm，成本<￡10k）对小麦品种AxC 169进行纵向监测。研究发现，OCT可捕捉到接种后24小时内叶肉细胞间隙（"gaps"）的异常增厚（从0.05mm增至0.08mm），这种结构变化与真菌菌丝在叶肉层的定植直接相关。结合开发的PyQt5-based ML算法对OCT图像进行高通量分割，实现了接种后2天即达到统计学显著差异（p<0.05）的早期诊断，较可见症状出现提前5天以上。

关键技术方法包括：1) 使用LabScope OCT系统（840nm波长）获取512×512像素的叶片横断面图像；2) 通过人工标记和ML算法（OpenCV/TensorFlow）分析叶肉第二与第三细胞层间间隙厚度；3) 扫描电镜(SEM)验证接种效果；4) 在控制环境（20°C，61%湿度，455ppm CO₂）下对3组感染/对照植株进行14天纵向观察。

【结果】
METHODOLOGY：通过优化接种流程（10⁶ spores/mL浓度喷雾），SEM证实接种12天后菌丝从气孔溢出，建立感染模型。

Open Access：OCT三维成像显示健康叶片已存在0.05mm左右的自然气隙网络，而感染叶片间隙在接种后3天显著扩大至0.08mm，且分布异质性增加（FWHM从0.15增至0.2）。

Material and methods：选用易感品种AxC 169，ML模型对200帧/天的OCT图像分析显示，感染组间隙厚度在D1-D7持续高于对照组（0.068±0.026mm vs 0.044±0.015mm）。

Results：手动测量（250数据点/组）与ML自动分析结果一致，但后者能处理10倍数据量。值得注意的是，另一品种AxC 157因天然间隙较大（~0.06mm），需结合3D间隙形态参数提高判别准确性。

【结论与意义】
该研究首次证实OCT可通过监测叶肉结构变化实现真菌感染的超早期诊断，其核心价值在于：1) 突破传统技术对分子或色素变化的依赖，直接捕捉病原体定植引发的物理结构改变；2) 低成本OCT设备配合ML算法，为田间应用提供可能；3) 较现有技术提前5天以上的检测窗口期，可使杀菌剂使用效率从30%提升至90%。未来需扩大品种适应性测试，并开发多参数（间隙密度、体积等）分析模型以应对复杂田间环境。论文发表于《Plant Methods》，为植物病理学检测技术树立了新范式。