Nowy model uczenia głębokiego wykorzystuje wideo do pomiaru rozwoju embrionalnego
28 maja 2024
Ten artykuł został zrecenzowany zgodnie z procesem redakcyjnym i polityką Science X. Redaktorzy zwrócili uwagę na następujące atrybuty, zapewniając wiarygodność treści:
- sprawdzenie faktów
- publikacja recenzowana przez par
- zaufane źródło
- skorygowany
przez Uniwersytet w Plymouth
Badania prowadzone przez Uniwersytet w Plymouth wykazały, że nowy model uczenia głębokiego AI jest w stanie zidentyfikować, co się dzieje i kiedy, podczas rozwoju zarodkowego, na podstawie filmów video.
Opublikowane w Journal of Experimental Biology, badanie, zatytułowane 'Dev-ResNet: Automatyczne wykrywanie zdarzeń rozwojowych za pomocą uczenia głębokiego', pokazuje, jak model, znany jako Dev-ResNet, może identyfikować wystąpienie kluczowych funkcjonalnych zdarzeń rozwojowych u ślimaków wodnych, w tym funkcji serca, pełzania, wylęgu i nawet śmierci.
Kluczową innowacją w tym badaniu jest wykorzystanie modelu 3D, który korzysta ze zmian zachodzących pomiędzy klatkami wideo, umożliwiając AI naukę na podstawie tych cech, w przeciwieństwie do bardziej tradycyjnego wykorzystania statycznych obrazów.
Użycie filmów video oznacza, że cechy takie jak pierwsze bicie serca, zachowanie pełzania, formacja muszli czy wylęg są niezawodnie wykrywane przez Dev-ResNet i ujawniły wrażliwość różnych cech na temperaturę, której wcześniej nie znano.
Chociaż model był wykorzystywany w badaniach nad zarodkami ślimaków wodnych, autorzy twierdzą, że ma on szeroką zastosowalność we wszystkich gatunkach, a oni dostarczają obszerne skrypty i dokumentację do zastosowania Dev-ResNet w różnych systemach biologicznych.
W przyszłości technika ta mogłaby być wykorzystana do przyspieszenia zrozumienia, jak zmiana klimatu i inne czynniki zewnętrzne wpływają na ludzi i zwierzęta.
Pracami kierował kandydat na doktorat, Ziad Ibbini, który studiował BSc Conservation Biology na Uniwersytecie, zanim wziął sobie rok przerwy, aby zwiększyć swoje umiejętności w zakresie programowania, a następnie rozpoczął pracę nad doktoratem. Sam zaprojektował, wyszkolił i przetestował Dev-ResNet.
Stwierdził: "Wyodrębnianie zdarzeń rozwojowych - czyli określanie, co się dzieje kiedy w wczesnym rozwoju zwierzęcia - jest niezmiernie trudne, ale niesamowicie ważne, ponieważ pomaga nam zrozumieć zmiany w momencie wystąpienia zdarzeń między gatunkami i środowiskami.
'Dev-ResNet to mała i wydajna sieć neuronowa 3D, która potrafi wykrywać zdarzenia rozwojowe na filmach wideo i może być stosunkowo łatwo wyszkolona na sprzęcie konsumenckim.
'Jedyne prawdziwe ograniczenia są w tworzeniu danych do szkolenia modelu głębokiego uczenia - wiemy, że działa, wystarczy dostarczyć mu odpowiednich danych do treningu.
'Chcemy wyposażyć szerszą społeczność naukową w narzędzia, które pozwolą jej lepiej zrozumieć, jak rozwój gatunków jest wpływany przez różne czynniki, a tym samym zidentyfikować, jak możemy je chronić. Uważamy, że Dev-ResNet to znaczny krok w tym kierunku.'
Dr Oli Tills, starszy autor artykułu i stypendysta badawczy UKRI Future Leaders, dodał: 'To badanie jest istotne na poziomie technologicznym, ale ma też ogromne znaczenie dla rozwoju naszego postrzegania rozwoju organizmów - czegoś, co Uniwersytet w Plymouth, w ramach grupy badawczej Ecophysiology and Development, prowadzi już od ponad 20 lat.
'Ten kamień milowy nie byłby możliwy bez głębokiego uczenia się, i jest ekscytujące pomyśleć, dokąd ta nowa zdolność zaprowadzi nas w badaniu zwierząt podczas ich najbardziej dynamicznego okresu życia.'
Informacje o czasopiśmie: Journal of Experimental Biology
Dostarczone przez Uniwersytet w Plymouth
