Mostrar el registro sencillo del ítem
dc.contributor.author
Gaggion Zulpo, Rafael Nicolás
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.contributor.author
Ariel, Federico Damian
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.contributor.author
Daric, Vladimir
dc.contributor.author
Lambert, Éric
dc.contributor.author
Legendre, Simon
dc.contributor.author
Roulé, Thomas
dc.contributor.author
Camoirano, Alejandra
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.contributor.author
Milone, Diego Humberto
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.contributor.author
Crespi, Martin
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.contributor.author
Blein, Thomas
dc.contributor.author
Ferrante, Enzo
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.date.available
2022-12-28T18:20:31Z
dc.date.issued
2021-07
dc.identifier.citation
Gaggion Zulpo, Rafael Nicolás; Ariel, Federico Damian; Daric, Vladimir; Lambert, Éric; Legendre, Simon; et al.; ChronoRoot: High-throughput phenotyping by deep segmentation networks reveals novel temporal parameters of plant root system architecture; Oxford Academic; GigaScience; 10; 7; 7-2021; 1-15
dc.identifier.uri
http://hdl.handle.net/11336/182752
dc.description.abstract
Background: Deep learning methods have outperformed previous techniques in most computer vision tasks, including image-based plant phenotyping. However, massive data collection of root traits and the development of associated artificial intelligence approaches have been hampered by the inaccessibility of the rhizosphere. Here we present ChronoRoot, a system that combines 3D-printed open-hardware with deep segmentation networks for high temporal resolution phenotyping of plant roots in agarized medium. Results: We developed a novel deep learning-based root extraction method that leverages the latest advances in convolutional neural networks for image segmentation and incorporates temporal consistency into the root system architecture reconstruction process. Automatic extraction of phenotypic parameters from sequences of images allowed a comprehensive characterization of the root system growth dynamics. Furthermore, novel time-associated parameters emerged from the analysis of spectral features derived from temporal signals. Conclusions: Our work shows that the combination of machine intelligence methods and a 3D-printed device expands the possibilities of root high-throughput phenotyping for genetics and natural variation studies, as well as the screening of clock-related mutants, revealing novel root traits.
dc.format
application/pdf
dc.language.iso
eng
dc.publisher
Oxford Academic
dc.rights
info:eu-repo/semantics/openAccess
dc.rights.uri
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.subject
3D-PRINTED HARDWARE
dc.subject
CONVOLUTIONAL NEURAL NETWORKS
dc.subject
IMAGE SEGMENTATION
dc.subject
ROOT SYSTEM ARCHITECTURE
dc.subject
TEMPORAL PHENOTYPING
dc.subject.classification
Otras Ingenierías y Tecnologías
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.subject.classification
Otras Ingenierías y Tecnologías
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.subject.classification
INGENIERÍAS Y TECNOLOGÍAS
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.subject.classification
Bioquímica y Biología Molecular
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.subject.classification
Ciencias Biológicas
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.subject.classification
CIENCIAS NATURALES Y EXACTAS
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.title
ChronoRoot: High-throughput phenotyping by deep segmentation networks reveals novel temporal parameters of plant root system architecture
dc.type
info:eu-repo/semantics/article
dc.type
info:ar-repo/semantics/artículo
dc.type
info:eu-repo/semantics/publishedVersion
dc.date.updated
2022-10-28T19:19:03Z
dc.identifier.eissn
2047-217X
dc.journal.volume
10
dc.journal.number
7
dc.journal.pagination
1-15
dc.journal.pais
Reino Unido
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.description.fil
Fil: Gaggion Zulpo, Rafael Nicolás. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional; Argentina
dc.description.fil
Fil: Ariel, Federico Damian. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto de Agrobiotecnología del Litoral. Universidad Nacional del Litoral. Instituto de Agrobiotecnología del Litoral; Argentina
dc.description.fil
Fil: Daric, Vladimir. University Paris-Saclay; Francia. University of Paris Bâtiment; Francia
dc.description.fil
Fil: Lambert, Éric. University Paris-Saclay; Francia. University of Paris Bâtiment; Francia
dc.description.fil
Fil: Legendre, Simon. University Paris-Saclay; Francia. University of Paris Bâtiment; Francia
dc.description.fil
Fil: Roulé, Thomas. University Paris-Saclay; Francia. University of Paris Bâtiment; Francia
dc.description.fil
Fil: Camoirano, Alejandra. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto de Agrobiotecnología del Litoral. Universidad Nacional del Litoral. Instituto de Agrobiotecnología del Litoral; Argentina
dc.description.fil
Fil: Milone, Diego Humberto. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional; Argentina
dc.description.fil
Fil: Crespi, Martin. University Paris-Saclay; Francia. University of Paris Bâtiment; Francia
dc.description.fil
Fil: Blein, Thomas. University Paris-Saclay; Francia. University of Paris Bâtiment; Francia
dc.description.fil
Fil: Ferrante, Enzo. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional; Argentina
dc.journal.title
GigaScience
dc.relation.alternativeid
info:eu-repo/semantics/altIdentifier/url/https://academic.oup.com/gigascience/article/10/7/giab052/6324285
dc.relation.alternativeid
info:eu-repo/semantics/altIdentifier/doi/http://dx.doi.org/10.1093/gigascience/giab052
Archivos asociados