新型人工智能模型Dev-ResNet可实时准确监测胚胎发育

　　

由普利茅斯大学领导的研究表明，一种新的深度学习人工智能模型可以从视频中识别胚胎发育过程中发生的事情和时间。

今天(5月29日星期三)发表在《实验生物学杂志》上的这项研究强调了这个被称为Dev-ResNet的模型如何能够识别池塘蜗牛的关键功能发育事件的发生，包括心脏功能、爬行、孵化甚至死亡。

这项研究的一个关键创新是使用3D模型，该模型使用视频帧之间发生的变化，并使人工智能能够从这些特征中学习，而不是更传统地使用静态图像。

视频的使用意味着Dev-ResNet可以可靠地检测到从第一次心跳、爬行行为到外壳形成或孵化的特征，并揭示了不同特征对温度的敏感性，这是以前不知道的。

虽然在这项研究中使用了池塘蜗牛胚胎，但作者说该模型在所有物种中都具有广泛的适用性，并且他们为在不同的生物系统中应用Dev-ResNet提供了全面的脚本和文档。

未来，这项技术可以用来帮助加快对气候变化和其他外部因素如何影响人类和动物的理解。

这项工作由博士候选人齐亚德·伊比尼(Ziad Ibbini)领导，他曾在该大学攻读保护生物学学士学位，之后花了一年时间提升自己的软件开发技能，然后开始攻读博士学位。他自己设计、培训和测试了Dev-ResNet。

他说:“描绘发育事件，或者弄清楚动物早期发育时发生了什么，是非常具有挑战性的，但它非常重要，因为它有助于我们理解物种和环境之间事件发生时间的变化。”

“Dev-ResNet是一种小型而高效的3D卷积神经网络，能够使用视频检测发育事件，并且可以在消费级硬件上相对容易地进行训练。

“唯一真正的限制是创建数据来训练深度学习模型——我们知道它是有效的，你只需要给它正确的训练数据。

“我们希望为更广泛的科学界提供工具，使他们能够更好地了解物种的发展如何受到不同因素的影响，从而确定我们如何保护它们。”我们认为Dev-ResNet是朝着这个方向迈出的重要一步。”

这项研究在技术层面上是重要的，但它对于推进我们如何看待有机体发展也很重要——普利茅斯大学生态生理学和发展研究小组在这方面有20多年的研究历史。

“如果没有深度学习，这一里程碑是不可能实现的，想到这种新能力将引领我们在动物生命最活跃的时期进行研究，这令人兴奋。”