普利茅斯大学牵头的研究表明，一种新的深度学习人工智能模型可以通过视频识别胚胎发育过程中发生的事件及其发生的时间。

该研究题为“Dev-ResNet：使用深度学习的自动发育事件检测”，发表在《实验生物学杂志》上，重点介绍了名为 Dev-ResNet 的模型如何识别池塘蜗牛中关键功能发育事件的发生，包括心脏功能、爬行、孵化甚至死亡。

这项研究的一个关键创新是使用 3D 模型，该模型利用视频帧之间发生的变化，并使人工智能能够从这些特征中学习，而不是传统的静止图像的使用。

使用视频意味着 Dev-ResNet 可靠地检测到从第一次心跳或爬行行为到壳形成或孵化等特征，并揭示了不同特征对以前未知的温度的敏感性。

虽然本研究仅将模型用于池塘蜗牛胚胎，但作者表示该模型可广泛应用于所有物种，并且他们提供了将 Dev-ResNet 应用于不同生物系统的全面脚本和文档。

未来，该技术可用于帮助加速了解气候变化和其他外部因素如何影响人类和动物。

这项工作由博士候选人 Ziad Ibbini 领导，他在大学学习了保护生物学学士学位，之后花了一年时间提升自己的软件开发技能，然后开始攻读博士学位。他自己设计、训练和测试了 Dev-ResNet。

他说：“描述发育事件——或者弄清楚动物早期发育过程中发生了什么——非常具有挑战性，但却非常重要，因为它可以帮助我们了解物种和环境之间事件时间的变化。

“Dev-ResNet 是一个小型而高效的 3D 卷积神经网络，能够使用视频检测发育事件，并且可以在消费级硬件上相对轻松地进行训练。