[論文レビュー] StoManager1: Automated, High-throughput Tool to Measure Leaf Stomata Using Convolutional Neural Networks

Jiaxin Wang, Heidi J. Renninger+1 more|arXiv (Cornell University)|Nov 17, 2023

Plant Water Relations and Carbon Dynamics被引用数 4

ひとこと要約

StoManager1 は、畳み込みニューラルネットワークと経験的・理論的アルゴリズムを組み合わせた高スループットで自動化されたツールであり、30種類以上のストマトおよびガード細胞の指標を mAP@0.5 > 0.993 の精度で検出・数え上げ・測定する。これは、広葉樹における生産性および内在的水分利用効率に関連する正確でスケーラブルなストマト的特徴の分析を可能にし、植物生理モデリングおよび気候適応研究を強化する。

ABSTRACT

The characteristics of stomata on leaves are crucial for the performance of plants and their impact on global water and carbon cycling. However, manually counting stomata can be time-consuming, prone to bias, and limited to small scales and sample sizes. We have created StoManager1, a high-throughput tool that automates detecting, counting, and measuring stomata to address this issue. StoManager1 uses convolutional neural networks to estimate parameters such as stomatal density, area, orientation, and variance. Our results show that StoManager1 is highly precise and has an excellent recall for the stomatal characterizing leaves from various species. This tool can automate measuring leaf stomata, making it easier to explore how leaf stomata control and regulate plant growth and adaptation to environmental stress and climate change. An online demonstration of StoManager1 is available on GitHub at https://github.com/JiaxinWang123/StoManager.git. We have also developed a standalone, user-friendly Windows application for StoManager1 that does not require any programming or coding experience.

研究の動機と目的

• 植物生理学および生態学における包括的なストマト指標測定のための自動的で高スループットなツールの不足に対処すること。
• 時間のかかる、バイアスが生じやすくスケールに制限のある手動および準自動手法の限界を克服すること。
• 多様な種においてストマトおよびガード細胞の形態的特徴を正確かつスケーラブルに測定できる堅牢なソリューションを開発すること。
• ストマト指標をグローバル炭素・水循環モデルおよび生態的機能的形質研究に大規模に統合することを可能にすること。
• 環境ストレスおよび気候変動へのストマト適応に関する遺伝的・生理学的研究を促進すること。

提案手法

• 畳み込みニューラルネットワーク（CNN）を用いた境界ボックス検出とインスタンスセグメンテーションを組み合わせた二重のディープラーニングアプローチを採用する。
• 面積、長さ、幅、方向、凝集インデックスなどの複雑なストマト指標を計算するために、経験的および理論的アルゴリズムを統合する。
• セグメンテーション出力から不規則なストマトおよびガード細胞形状の正確な面積計算にスニーカーフォーミュラを適用する。
• 汎用性を確保するため、多様なストマト形態を示す 17 種の広葉樹を用いてモデルの学習および検証を行う。
• 画像前処理、ストマト検出、インスタンスセグメンテーション、指標抽出、および真値データとの検証を含むマルチステージパイプラインを実装する。
• 広範な利用可能性と使いやすさを実現するため、コマンドライン Python パッケージおよびスタンドアロン Windows アプリケーションの両方を提供する。

実験結果

リサーチクエスチョン

• RQ1 ディープラーニングベースのシステムは、多様な広葉樹種において 30 種類以上のストマトおよびガード細胞指標を高精度・高再現率で検出・測定できるか？
• RQ2 ストマト面積とガード細胞面積の比といった新たに導出されたストマト指標は、葉の生理的パフォーマンスおよび木の成長とどのように関連するか？
• RQ3 ストマト特徴と葉の機能的特徴を組み合わせた場合、生産性および内在的水分利用効率（iWUE）の分散をどの程度説明できるか？
• RQ4 自動的で高スループットのストマト形質計測は、生態的および生理的モデリングの正確性とスケーラビリティを向上させることができるか？
• RQ5 StoManager1 のパフォーマンスは、正確性、再現率、時間効率の観点から、手動および準自動手法と比較してどの程度優れているか？

主な発見

• StoManager1 は、多様な広葉樹種において、平均平均適合度（mAP@0.5）が 0.993 を超える優れた精度と再現率を達成した。
• ストマト指標と葉の機能的特徴を統合した結果、広葉樹において生産性の分散の 78% および内在的水分利用効率（iWUE）の分散の 93% を説明できた。
• ストマト面積とガード細胞面積の比といった新たに導出された指標は、葉の生理学的特性および木の成長と有意に相関していた。
• このツールは、面積、長さ、幅、方向、均一性、発散、凝集インデックスを含む 30 種類以上のストマトおよびガード細胞指標を正確に測定した。
• StoManager1 は、種の多様な形態的特徴を的確に捉える高い感度と頑健性を示し、信頼性の高い大規模な形質計測を可能にした。
• ソースコードおよび使いやすい Windows アプリケーションは、GitHub および Zenodo で公開されており、広範な採用と再現性を支援している。