Mostrar el registro sencillo del ítem

dc.contributor.author
Gaggion Zulpo, Rafael Nicolás  
dc.contributor.author
Ariel, Federico Damian  
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  
dc.contributor.author
Milone, Diego Humberto  
dc.contributor.author
Crespi, Martin  
dc.contributor.author
Blein, Thomas  
dc.contributor.author
Ferrante, Enzo  
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  
dc.subject.classification
Otras Ingenierías y Tecnologías  
dc.subject.classification
INGENIERÍAS Y TECNOLOGÍAS  
dc.subject.classification
Bioquímica y Biología Molecular  
dc.subject.classification
Ciencias Biológicas  
dc.subject.classification
CIENCIAS NATURALES Y EXACTAS  
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  
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