Dev-ResNet:使用深度学习进行自动开发事件检测
Ziad Ibbini1, Manuela Truebano1, John I Spicer1
1Marine Biology and Ecology Research Centre, School of Biological and Marine Sciences, University of Plymouth, Drake Circus, Plymouth PL4 8AA, UK.
The Journal of experimental biology
|May 28, 2024
概括
我们开发了Dev-ResNet,这是一种新的深度学习工具,用于精确识别生命早期的发育事件. 这种方法提高了发育生物学研究的规模和可重复性.
科学领域:
- 发展生物学 发展生物学
- 机器学习 机器学习
- 生物成像是一种生物成像.
背景情况:
- 识别发育事件对于理解跨物种和环境的生物过程至关重要.
- 目前用于检测发育事件的方法具有挑战性,限制了实验规模和可重现性.
- 生物成像在发育生物学中被广泛使用,但分析数据仍然是一个瓶.
研究的目的:
- 介绍Dev-ResNet,一个高效的3D卷积神经网络用于检测发育事件.
- 展示Dev-ResNet在识别具有空间和时间特征的事件方面的能力.
- 为分析生命早期发展阶段提供可扩展和可重复的方法.
主要方法:
- 开发Dev-ResNet,一个小型而高效的3D卷积神经网络.
- 应用Dev-ResNet来检测在Lymnaea stagnalis胚胎发育期间发生的10个不同的功能事件.
- 验证Dev-ResNet在识别事件发生和热诱导时间变化的准确性.
主要成果:
- Dev-ResNet成功检测了所有10个测试的发育事件的发生.
- 该工具准确地确定了发育事件时间的热诱导脱.
- Dev-ResNet在分析发育事件的空间和时间特征方面表现出高效.
结论:
- Dev-ResNet提供了一种强大而高效的解决方案,用于在生命早期阶段划分发育事件.
- 深度学习方法提高了实验生物学的规模,可重现性和吞吐量.
- 在生物成像和发育生物学研究中,Dev-ResNet具有广泛的适用性,并为实施提供了资源.
