新的深度学习模型使用视频来测量胚胎发育

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通过视频识别胚胎发育过程中发生的事情和时间

这项题为“Dev ResNet：使用深度学习的自动发育事件检测”的研究发表在《实验生物学杂志》上，强调了被称为Dev ResNet的模型如何识别池塘蜗牛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了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或爬行行为到外壳形成或孵化的各种特征，并揭示了不同特征对温度的敏感性，这是以前未知的

在这项研究中使用池塘蜗牛胚胎时，作者表示，该模型在所有物种中都具有广泛的适用性，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件

未来，这项技术可以用来帮助加速了解气候变化和其他外部因素如何影响人类和动物

这项工作由博士候选人Ziad Ibbini领导，他在该大学学习保护生物学理学学士学位，然后花了一年时间在软件开发方面提高技能，然后开始攻读博士学位。他自己设计、培训和测试Dev ResNet

他说，“描绘发育事件——或者计算动物早期发育时会发生什么——是一项极具挑战性的工作，但它非常重要，因为它有助于我们了解物种和环境之间事件时间的变化。

”Dev ResNet是一种小型高效的3D卷积神经网络，能够使用视频检测发育事件，并且可以在消费类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是如何受到不同因素的影响的，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。“

该论文的高级作者、英国皇家研究院未来领导者研究员Oli Tills博士补充道，”这项研究在技术层面上很重要，但它对推进我们对生物体发育的认识也很重要——普利茅斯大学在生态生理学与发展研究小组中有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，想到这一新能力将带领我们在动物生命中最具活力的时期研究动物，真是令人兴奋。”