Un nouveau modèle d’apprentissage profond utilise la vidéo pour mesurer le développement embryonnaire

Des recherches menées par l’Université de Plymouth ont montré qu’un nouveau modèle d’IA d’apprentissage profond peut identifier ce qui se passe et quand au cours du développement embryonnaire, à partir de la vidéo.

Publié dans le Journal de biologie expérimentalel’étude, intitulée « Dev-ResNet : Détection automatisée des événements de développement à l’aide de l’apprentissage profond », souligne comment le modèle, connu sous le nom de Dev-ResNet, peut identifier l’apparition d’événements fonctionnels clés du développement chez les escargots d’étang, notamment la fonction cardiaque, l’exploration, l’éclosion. et même la mort.

Une innovation clé de cette étude est l’utilisation d’un modèle 3D qui utilise les changements survenant entre les images de la vidéo et permet à l’IA d’apprendre de ces fonctionnalités, par opposition à l’utilisation plus traditionnelle d’images fixes.

L’utilisation de la vidéo signifie que les caractéristiques allant du premier battement de cœur, ou comportement d’exploration, jusqu’à la formation de coquilles ou l’éclosion, sont détectées de manière fiable par Dev-ResNet, et a révélé des sensibilités de différentes caractéristiques à la température jusqu’alors inconnues.

Bien qu’il soit utilisé dans les embryons d’escargots d’étang pour cette étude, les auteurs affirment que le modèle a une large applicabilité à toutes les espèces et qu’ils fournissent des scripts et une documentation complets pour appliquer Dev-ResNet dans différents systèmes biologiques.

À l’avenir, cette technique pourrait être utilisée pour accélérer la compréhension de la manière dont le changement climatique et d’autres facteurs externes affectent les humains et les animaux.

Les travaux ont été dirigés par un doctorat. candidat, Ziad Ibbini, qui a étudié un baccalauréat en biologie de la conservation à l’université, avant de prendre un an pour se perfectionner en développement de logiciels, puis de commencer son doctorat. Il a lui-même conçu, formé et testé Dev-ResNet.

Il a déclaré : « Délimiter les événements de développement – ​​ou déterminer ce qui se passe au début du développement d’un animal – est très difficile, mais extrêmement important car cela nous aide à comprendre les changements dans le calendrier des événements entre les espèces et les environnements.

« Dev-ResNet est un petit réseau neuronal convolutionnel 3D efficace, capable de détecter des événements de développement à l’aide de vidéos et peut être formé relativement facilement sur du matériel grand public.

« Les seules véritables limites résident dans la création des données nécessaires à l’entraînement du modèle d’apprentissage profond : nous savons que cela fonctionne, il vous suffit de lui fournir les bonnes données d’entraînement.

« Nous voulons doter la communauté scientifique au sens large des outils qui lui permettront de mieux comprendre comment le développement d’une espèce est affecté par différents facteurs, et ainsi d’identifier comment nous pouvons les protéger. Nous pensons que Dev-ResNet est une étape importante dans cette direction. »

Le Dr Oli Tills, auteur principal de l’article et chercheur sur les futurs leaders de l’UKRI, a ajouté : « Cette recherche est importante sur le plan technologique, mais elle est également importante pour faire progresser la façon dont nous percevons le développement de l’organisme – quelque chose que l’Université de Plymouth, au sein de le Groupe de recherche en Ecophysiologie et Développement, a plus de 20 ans d’histoire de recherche.

« Cette étape n’aurait pas été possible sans l’apprentissage en profondeur, et il est passionnant de penser à l’endroit où cette nouvelle capacité nous mènera dans l’étude des animaux au cours de leur période la plus dynamique de la vie. »

Plus d’information:
Dev-ResNet : Détection automatisée des événements de développement à l’aide du deep learning, Journal de biologie expérimentale (2024). DOI : 10.1242/jeb.247046

Fourni par l’Université de Plymouth

ph-tech