Neues Deep-Learning-Modell misst Embryonalentwicklung mithilfe von Videos

Forschungen unter der Leitung der Universität Plymouth haben gezeigt, dass ein neues Deep-Learning-KI-Modell anhand von Videos erkennen kann, was während der Embryonalentwicklung wann passiert.

Veröffentlicht im Zeitschrift für experimentelle BiologieDie Studie mit dem Titel „Dev-ResNet: Automatische Erkennung von Entwicklungsereignissen mittels Deep Learning“ hebt hervor, wie das als Dev-ResNet bekannte Modell das Auftreten wichtiger funktioneller Entwicklungsereignisse bei Teichschnecken erkennen kann, darunter Herzfunktion, Krabbeln, Schlüpfen und sogar Tod.

Eine wesentliche Neuerung dieser Studie ist die Verwendung eines 3D-Modells, das die zwischen den Einzelbildern des Videos auftretenden Änderungen nutzt und es der KI ermöglicht, aus diesen Merkmalen zu lernen, im Gegensatz zur traditionelleren Verwendung von Standbildern.

Durch die Verwendung von Video werden Merkmale vom ersten Herzschlag oder Krabbelverhalten bis hin zur Schalenbildung oder dem Schlüpfen von Dev-ResNet zuverlässig erkannt, und es wurden bisher nicht bekannte Empfindlichkeiten verschiedener Merkmale gegenüber der Temperatur aufgedeckt.

Während das Modell für diese Studie mit Embryonen von Teichschnecken verwendet wurde, sagen die Autoren, dass es eine breite Anwendbarkeit auf alle Arten hat, und sie stellen umfassende Skripte und Dokumentationen für die Anwendung von Dev-ResNet in verschiedenen biologischen Systemen zur Verfügung.

In Zukunft könnte diese Technik dazu beitragen, das Verständnis darüber zu verbessern, wie sich der Klimawandel und andere externe Faktoren auf Menschen und Tiere auswirken.

Die Arbeit wurde vom Doktoranden Ziad Ibbini geleitet, der an der Universität einen Bachelor in Naturschutzbiologie studierte, bevor er ein Jahr Pause einlegte, um sich in Softwareentwicklung weiterzubilden, und dann mit seinem Doktorandenstudium begann. Er hat Dev-ResNet selbst entworfen, geschult und getestet.

Er sagte: „Die Beschreibung von Entwicklungsereignissen – oder das Herausfinden, was in der frühen Entwicklung eines Tieres wann passiert – ist eine große Herausforderung, aber auch unglaublich wichtig, da es uns hilft, Veränderungen im zeitlichen Ablauf von Ereignissen zwischen Arten und Umgebungen zu verstehen.“

„Dev-ResNet ist ein kleines und effizientes 3D-Convolutional-Neural-Network, das in der Lage ist, Entwicklungsereignisse anhand von Videos zu erkennen und relativ einfach auf Consumer-Hardware trainiert werden kann.

„Die einzigen wirklichen Einschränkungen bestehen in der Erstellung der Daten zum Trainieren des Deep-Learning-Modells – wir wissen, dass es funktioniert, Sie müssen ihm nur die richtigen Trainingsdaten geben.

„Wir möchten der wissenschaftlichen Gemeinschaft Werkzeuge an die Hand geben, die es ihnen ermöglichen, besser zu verstehen, wie die Entwicklung einer Art von verschiedenen Faktoren beeinflusst wird, und so herauszufinden, wie wir sie schützen können. Wir glauben, dass Dev-ResNet ein bedeutender Schritt in diese Richtung ist.“

Dr. Oli Tills, der Hauptautor der Abhandlung und UKRI Future Leaders Research Fellow, fügte hinzu: „Diese Forschung ist auf technologischer Ebene wichtig, sie ist aber auch bedeutsam für die Weiterentwicklung unserer Wahrnehmung der Entwicklung von Organismen – ein Bereich, in dem die University of Plymouth innerhalb der Forschungsgruppe Ökophysiologie und Entwicklung seit mehr als 20 Jahren forscht.“

„Dieser Meilenstein wäre ohne Deep Learning nicht möglich gewesen und es ist spannend, darüber nachzudenken, wohin uns diese neue Fähigkeit bei der Erforschung von Tieren in ihrer dynamischsten Lebensphase führen wird.“