基于生成对抗网络的稀疏视角X射线CT重建技术CitrusGAN在柑橘表型分析中的应用研究

推荐：本研究针对传统CT技术成本高、耗时长的问题，开发了基于生成对抗网络(GAN)的CitrusGAN方法，通过稀疏视角(6视图)X射线图像实现柑橘3D CT模型的高效重建(PSNR 26.374 dB，SSIM 92.1%)，可精准提取果实体积、果皮厚度等8项表型参数(R2>0.95)，为农业高通量表型分析提供了创新解决方案。

　　

在农业生产和育种研究中，准确获取植物器官的三维表型特征至关重要。传统CT扫描虽能提供高分辨率图像，但设备昂贵(单台约200万元)、单样本扫描需数小时，难以满足高通量需求。以柑橘为例，其全球年产量超150万吨，育种过程中需测量果皮厚度、囊瓣数等20余项参数，现有技术存在明显瓶颈：RGB图像缺乏深度信息，LiDAR无法获取内部结构，近红外(NIR)仅能检测化学成分。

华中农业大学研究团队在《Plant Phenomics》发表的研究，创新性地将医疗领域的生成对抗网络(GAN)技术引入农业领域。通过开发CitrusGAN模型，仅需6张正交视角的X射线图像(1秒/张)，即可在10秒内重建出与真实CT相似度达92.1%的3D模型。这项突破使得每样本检测成本降低90%，为田间便携式表型分析设备的开发奠定基础。

关键技术包括：1) 使用微焦点CT扫描仪(NanoVoxe 2000)采集388个柑橘样本的360°X射线序列；2) 构建多视图融合的3D生成器，采用DenseBlock模块提取特征；3) 设计包含LSGAN损失、重建损失和投影损失的多目标函数；4) 通过3D Slicer软件自动计算8项表型参数。

研究结果显示：

1. 重建质量评估：6视图模型的PSNR(峰值信噪比)达26.374 dB，较2视图提升1.2 dB。轴向切片显示能清晰重建囊瓣边界，但对含水率低的组织(如果皮内层)存在模糊现象。
2. 表型参数分析：体积、果高等5项参数的R²>0.98，果皮厚度测量误差<0.3 mm。囊瓣数统计准确率受样本间紧密接触影响，误差约1个囊瓣。
3. 方法对比：在6视图条件下，CitrusGAN的SSIM(0.921)显著优于SAX-NeRF(0.727)和R2-Gaussian(0.718)，且无条纹伪影。

讨论部分指出：该技术首次实现农业领域的稀疏视图CT重建，其优势体现在三方面：1) 设备成本仅为传统CT的1/10；2) 支持内部缺陷(如虫害)可视化；3) 可集成到分选生产线(1.5秒/样本)。局限性在于对低密度组织重建精度不足，未来将通过增加样本多样性提升泛化能力。

这项研究为植物表型组学提供了革命性工具，其技术路线可拓展至苹果、番茄等大宗农产品。正如通讯作者Chen Yaohui强调："CitrusGAN的价值不仅在于精度提升，更在于将实验室级CT分析推向田间和生产线，这将加速育种进程至少3倍"。该成果已被应用于云南柑橘育种基地，成功筛选出囊瓣数12个以上的优质株系。