英國(guó)普利茅斯大學(xué)牽頭的研究表明，一種新的深度學(xué)習(xí)人工智能（AI）模型可通過(guò)視頻，識(shí)別出胚胎發(fā)育過(guò)程中發(fā)生的事件及其發(fā)生時(shí)間。29日發(fā)表在《實(shí)驗(yàn)生物學(xué)雜志》上的論文，重點(diǎn)介紹了這種名為“Dev-ResNet”的模型，它能識(shí)別出動(dòng)物胚胎中何時(shí)發(fā)育出了關(guān)鍵功能，包括其心臟功能、孵化、爬行，甚至死亡。

普利茅斯大學(xué)的池塘蝸牛胚胎。圖片來(lái)源：普利茅斯大學(xué)

這項(xiàng)研究的一個(gè)關(guān)鍵創(chuàng)新是對(duì)3D模型的使用，該模型利用視頻幀之間發(fā)生的變化，讓AI從這些特征中學(xué)習(xí)，而不是用傳統(tǒng)的靜止圖像。

“Dev-ResNet”是一個(gè)小型高效的3D卷積神經(jīng)網(wǎng)絡(luò)，能使用視頻檢測(cè)發(fā)育事件，并且可相對(duì)輕松地進(jìn)行訓(xùn)練，訓(xùn)練設(shè)備也并非實(shí)驗(yàn)室級(jí)的昂貴硬件。此次，研究人員將模型用于池塘蝸牛胚胎?！癉ev-ResNet”能使用視頻可靠識(shí)別出從第一次心跳到爬行等行為，以及從殼形成到孵化等特征，并揭示了不同特征對(duì)溫度的敏感性。

研究人員表示，雖然本研究的對(duì)象是池塘蝸牛胚胎，但該模型已經(jīng)可廣泛應(yīng)用于所有物種，他們提供了將“Dev-ResNet”應(yīng)用于不同生物系統(tǒng)的全面腳本和文檔。

研究人員希望，這一工具能為更多研究領(lǐng)域提供更廣泛的幫助。譬如，使生物保護(hù)工作者更好地了解物種發(fā)展如何受到不同因素的影響，從而確定有效措施保護(hù)它們?，F(xiàn)在，以“Dev-ResNet”為代表的AI正朝著這個(gè)方向邁出重要一步。不久的將來(lái)，該技術(shù)還能用于研究氣候變化和其他外部因素如何影響人類和動(dòng)物。

來(lái)源：科技日?qǐng)?bào)