ngaggion/ChronoRoot_nnUNet

---
license: gpl-3.0
task_categories:
- image-segmentation
language:
- en
tags:
- plant root phenotyping
---

许可证：GPL-3.0
任务类别：
- 图像分割（image-segmentation）
语言：
- 英语
标签：
- 植物根系表型分析（plant root phenotyping）

原始信息汇总

数据集概述

许可协议

• 许可证：GPL-3.0

任务类别

• 图像分割

语言

• 英语

标签

• 植物根系表型分析

搜集汇总

数据集介绍

构建方式

在植物表型组学领域，获取高质量注释图像是推动算法模型发展的基石。ChronoRoot nnUNet数据集依托ChronoRoot硬件系统采集了1393幅红外图像，涵盖拟南芥与番茄幼苗。其构建过程采用ITK-SNAP专业工具，由资深生物学家对六类植物结构进行精细标注，包括主根、侧根、种子、下胚轴、叶片及叶柄，并经过多阶段质量控制流程校验，确保了标注的准确性与一致性。

特点

该数据集的核心特征在于其专为时序植物表型分析设计的多类别分割能力。数据集提供了3280×2464高分辨率红外图像及对应的NIfTI格式多类分割掩码，覆盖拟南芥与番茄两种模式植物，其中番茄数据未包含叶柄类别。这种结构化的标注体系支持对根系构架及植株发育过程的精细解析，为图像分割与植物表型计算任务提供了标准化、高质量的基准数据。

使用方法

研究人员可利用该数据集训练与评估图像分割模型，特别是针对植物结构的语义分割任务。数据以nnUNet兼容格式组织，用户可通过加载相应配置轻松访问拟南芥、番茄或合并数据集。典型工作流程包括读取原始红外图像与对应掩码，输入深度学习框架进行模型训练，进而实现根系及地上部结构的自动识别与量化，服务于植物生长发育的动态表型研究。

背景与挑战

背景概述

在植物表型组学领域，对根系结构进行高精度、高通量的动态解析是理解植物生长发育与环境互作的关键。由Nicolás Gaggion等研究人员于2025年构建的ChronoRoot nnUNet数据集，依托ChronoRoot硬件系统，采集了拟南芥与番茄幼苗的红外图像，并提供了涵盖主根、侧根、种子等六类结构的专家标注。该数据集旨在为ChronoRoot 2.0分割模型提供训练基础，以推动二维时序植物表型分析的自动化与标准化，其开源特性显著促进了植物科学中图像分割与表型量化研究的可重复性与协作创新。

当前挑战

该数据集致力于解决植物根系结构动态分割与表型量化这一复杂问题，其核心挑战在于如何准确区分形态相似且相互遮挡的根系组织，如主根与侧根的边界界定，以及在时序图像中保持分割结果的一致性。在构建过程中，挑战主要源于高质量标注数据的获取：专家生物学家需使用ITK-SNAP工具对高分辨率红外图像进行精细标注，并经过多阶段质量控制以确保标注的准确性与一致性，这一过程耗时且依赖高度专业化的领域知识。

常用场景

经典使用场景

在植物表型组学领域，对根系结构进行精确量化是理解植物生长发育的关键。ChronoRoot_nnUNet数据集凭借其高分辨率的红外图像与专家标注的多类别分割掩码，为训练先进的图像分割模型提供了标准化基准。该数据集最经典的应用场景是驱动深度学习模型，特别是基于nnU-Net架构，对拟南芥和番茄幼苗的根、茎、叶等六类关键结构进行像素级语义分割，从而实现根系构型的自动化、高通量解析。

实际应用

超越基础研究，该数据集支撑的技术在农业与生物技术领域展现出广阔前景。基于其训练的模型可集成至自动化表型平台，用于大规模种质资源筛选，快速鉴定具有优良根系构型（如深根、密根）的作物品种，助力抗旱育种。此外，在植物工厂与可控环境农业中，该系统能实时监测幼苗健康状况，为精准灌溉与营养管理提供决策支持，提升农业生产智能化水平。

衍生相关工作

围绕ChronoRoot_nnUNet数据集，已衍生出一系列重要的研究工作。其核心成果ChronoRoot 2.0平台构建了一个集数据、模型与应用于一体的开源生态系统。相关经典工作包括利用该数据集优化nnU-Net在植物图像上的分割性能、开发用于时序表型分析的管道，以及探索迁移学习策略以将模型适配于其他作物物种，这些工作共同丰富了植物计算表型分析的方法工具箱。