Título: Desarrollo de un framework para la segmentación auto-supervisada de series temporales de imágenes mediante Flujo Óptico y Filtros de Frangi
Director: Dr. Rafael Nicolás Gaggion Zulpo
Jurados: Prof. Maria Elena Buemi, Prof. Daniel Acevedo

Resumen:
En el campo de la biología vegetal, comprender la dinámica de crecimiento radicular es crucial para diversas aplicaciones, que abarcan desde la mejora genética de cultivos hasta el estudio de respuestas fisiológicas ante diferentes condiciones ambientales. Para analizar dicha dinámica mediante series temporales de imágenes, es indispensable segmentar las raíces para poder cuantificar dichas respuestas, obteniendo parámetros fenotipicos como el área cubierta, velocidad y direcciones de crecimiento. Actualmente, los métodos de segmentación más utilizados se basan en redes neuronales convolucionales, las cuales requieren un gran volumen de datos etiquetados manualmente para su entrenamiento, constituyendo un cuello de botella importante para la adopción amplia de estas herramientas. El presente trabajo aborda este desafío mediante el desarrollo de AutoRoot, un framework integral para la segmentación de series temporales de imágenes de raíces de Arabidopsis thaliana, autosupervisada por la detección de movimiento de las raíces. El sistema combina cuatro pipelines de generación de pseudoetiquetas —basados en Flujo Óptico, Filtros de Frangi, Propagación de Etiquetas y un Ensamble de los anteriores— con una interfaz gráfica que permite a investigadores gestionar el ciclo completo de procesamiento e inspección cualitativa. Las pseudoetiquetas generadas se utilizan luego para entrenar redes neuronales convolucionales, reduciendo significativamente la necesidad de anotaciones manuales sin sacrificar la calidad de la segmentación final.

Palabras clave: segmentación radicular – flujo óptico – fenotipado – auto-supervisado – aprendizaje profundo