BioIMA: a one-click desktop tool for standardized extraction of phenotypic traits from biological images
Xiner Qumu · Xuming Dan · Jianju Feng 等 14 人
开发了BioIMA桌面工具，实现生物图像表型标准化自动提取，无需训练模型。
集成基础模型分割与自动性状计算，提供图形界面，无需编程。
自动测量与手动测量高度一致（R²>0.95），处理时间减少约75%。
可扩展至更多物种和性状，探索不同分割模型对复杂背景的适应性，或集成深度学习提升精度。
开源桌面工具BioIMA实现标准化表型提取，显著提升效率，对植物表型研究有实用价值。
从图像中标准化提取定量表型在植物生物学中日益重要，涵盖从生态学和进化研究到遗传学、育种及功能基因组学等领域。然而，随着大型图像数据集越来越多地用于性状分析，许多生物学相关性状（包括大小、形状、颜色和空间模式）仍依赖人工测量或零散的半自动化流程进行。这些局限性降低了通量、可重复性和可及性，尤其对缺乏计算专长的研究人员而言更为突出。在此，我们介绍BioIMA，一款用于从生物图像中快速、标准化提取表型的开源桌面工具。BioIMA将基于基础模型的图像分割与自动化性状计算相结合，使用户能够通过直观的图形界面从图像中提取定量测量数据，且无需进行模型训练。为验证其性能，我们对两个杨属（Populus）物种的节部形态性状进行了定量分析，因为这些测量通常耗时费力。自动测量结果与基于ImageJ的人工测量结果高度一致（R² > 0.95），同时将单张图像的处理时间缩短约75%（从约15秒降至约4秒）。BioIMA进一步应用于多种植物数据集，包括形态和背景条件各异的向日葵属（Helianthus）和杜鹃花属（Rhododendron）图像。尽管BioIMA是为植物表型分析而开发，但也可推广至其他关注区域大小、形状或颜色性状的生物样本。通过将可及性与标准化整合于轻量级本地应用中，BioIMA为生态学和进化研究中的图像表型分析提供了实用的社区资源。