用卷积神经网络对蝶翅膀图案的种内变异进行背中比较

科学领域:

• * 进化生物学 进化生物学
• * 动物颜色的颜色
• * 计算生物学 计算生物学

背景情况:

• *蝶的翅膀图案在背部 (上) 和腹部 (下) 表面之间有显著差异,为生态和行为提供了洞察力.
• *传统的比较这些表面的方法需要同类的补丁,限制跨物种分析.
• * 性二态和模仿多态等物种内变异对比模式分析具有独特的挑战.

研究的目的:

• * 引入和验证一种基于卷积神经网络 (CNN) 的新方法,用于比较蝶翅膀图案,而不依赖同类特征.
• * 通过这种新的CNN方法来调查性二态和模仿多态的dorsoventral偏差.
• * 评估CNN在分析不同物种的翅膀模式变异中的适用性.

主要方法:

• *利用卷积神经网络 (CNN) 分析蝶翅膀的图像,直接比较背部和腹部表面.
• * 将CNN方法应用于29种蝶物种的样本图像.
• *通过将其性二态度评估与传统方法进行比较,验证了CNN的方法.

主要成果:

• * 基于CNN对性二态的分析显示与传统评估有很强的相关性,证实了方法的有效性.
• *在物种间的性二态性中广泛观察到显著的背部偏差,支持性选择假说.
• *模仿多态性表现出没有这样的dorsoventral偏差,强调了两翼表面在模仿中的作用.

结论:

• *基于CNN的方法提供了一种多功能且有效的工具,用于在不同物种的背部和腹部表面之间比较翅膀图案.
• *研究结果支持在更广泛的物种中背部偏向性选择的假设.
• * 在模仿多形态学中缺乏偏差,强调了在模仿策略中两翼表面的重要性.