0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

通过深度学习了解古代脊椎动物

星星科技指导员 来源:NVIDIA 作者:Michelle Horton 2022-04-07 16:21 次阅读

将新技术应用于研究古代历史,研究人员希望通过一种新的人工智能算法扩大对恐龙的了解。这项研究发表在 地球科学前沿 上,使用高分辨率计算机断层扫描( CT )成像结合深度学习模型来扫描和评估恐龙化石。这项研究是朝着创造一种新工具迈出的一步,这种工具将极大地改变古生物学家研究古代遗迹的方式。

“计算机断层扫描以及其他成像技术已经揭示了化石中以前隐藏的结构,但高分辨率图像需要古生物学家花费数周甚至数月的时间进行后期处理,通常是从岩石基质中分割化石。人工智能的引入不仅可以加快化石研究中的数据处理,而且还可以提高化石研究的效率。” ut 还为更客观、更具重现性的研究建立了基准,”主要作者、美国自然历史博物馆理查德·吉尔德研究生院博士生余聪宇说。

为了全面了解古代脊椎动物,古生物学家关注内部解剖学,如颅骨容量、内耳或血管空间。为此,研究人员使用了一种称为薄切片的技术。从化石上取下一小块(薄到几微米),在显微镜下检查,并注释他们发现的结构,有助于他们拼凑恐龙的形态。然而,这项技术对遗体具有破坏性,而且非常耗时。

计算机断层扫描( CT )使科学家能够在保持化石完好无损的同时观察样本内部。这项技术实质上是对一块化石进行检查,捕捉到数千张化石的图像。然后,软件重建图像并生成三维图形,从而生成样本的内部快照。然后,科学家可以检查并标记图形中可识别的形态,以了解更多关于标本的信息

成像技术为科学家提供了一种工具,可以揭示隐藏的内部结构,并推进恐龙的 3D 模型。研究帮助研究人员估计体重,分析头骨,甚至了解牙齿形态和牙齿替换模式。

然而,通过这种方法,科学家仍然可以手动选择片段、检查和标记图像,这不仅是时间密集型的,而且是主观的,并且可能会引入错误。此外,扫描在区分可能覆盖化石的岩石和骨骼本身方面存在局限性,因此很难确定岩石的终点和化石的起点。

人工智能已被证明能够在医学领域快速分割图像,从识别脑损伤到皮肤癌。研究人员发现了一个将类似的深度学习模型应用于 CT 化石图像的机会。

他们使用深层神经网络和 10000 多个对三个保存完好的原角龙胚胎头骨的注释 CT 扫描来测试这种新方法。这些化石于 20 世纪 90 年代从蒙古戈壁沙漠中发现,它们来自早期有角恐龙,是较知名的三角龙的较小亲属。

该团队使用一个经典的 U-net 深度神经网络来处理化石分割,教授从化石中识别岩石的算法。改进后的 DeepLab v3 +网络用于训练特征识别、对 CT 图像的部分进行分类和 3D 渲染。

在 cuDNN 加速 TensorFlow 深度学习框架上,使用 7986 张人工注释的骨结构 CT 切片对模型进行训练 NVIDIA GeForce RTX 2080 Ti GPU.

通过对 3329 个数据集的测试结果,他们发现,虽然分割模型达到了约 97% 的高精度,但 3D 特征渲染并不像人类那样细致或准确。虽然结果表明,特征模型的表现不如科学家们准确,但分割模型工作顺利,并在创纪录的时间内完成。模型在几秒钟内分割出每一片,在某些情况下,手动分割同一片需要几分钟甚至几小时。这有助于古生物学家减少将化石与岩石区分开来的时间。

研究人员认为,结合其他恐龙物种和不同沉积物类型的更大数据集有助于创建一个高性能的算法。

​​”我们相信,戈壁沙漠化石的分割模型并不遥远,但一个更通用的模型不仅需要更多的训练数据集,还需要算法创新,” Yu 在 press release 的一篇文章中说。“我相信深度学习最终能比我们更好地处理图像,而且已经有很多例子表明深度学习的表现超过人类,包括 Go playing 和 蛋白质三维结构预测 。”

关于作者

Michelle Horton 是 NVIDIA 的高级开发人员通信经理,拥有通信经理和科学作家的背景。她在 NVIDIA 为开发者博客撰文,重点介绍了开发者使用 NVIDIA 技术的多种方式。

审核编辑:郭婷

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • NVIDIA
    +关注

    关注

    14

    文章

    4984

    浏览量

    103017
  • 深度学习
    +关注

    关注

    73

    文章

    5503

    浏览量

    121130
收藏 人收藏

    评论

    相关推荐

    NPU在深度学习中的应用

    随着人工智能技术的飞速发展,深度学习作为其核心驱动力之一,已经在众多领域展现出了巨大的潜力和价值。NPU(Neural Processing Unit,神经网络处理单元)是专门为深度学习
    的头像 发表于 11-14 15:17 531次阅读

    GPU深度学习应用案例

    GPU在深度学习中的应用广泛且重要,以下是一些GPU深度学习应用案例: 一、图像识别 图像识别是深度学习
    的头像 发表于 10-27 11:13 385次阅读

    激光雷达技术的基于深度学习的进步

    信息。这使得激光雷达在自动驾驶、无人机、机器人等领域具有广泛的应用前景。 二、深度学习技术的发展 深度学习是机器学习的一个分支,它
    的头像 发表于 10-27 10:57 372次阅读

    AI大模型与深度学习的关系

    AI大模型与深度学习之间存在着密不可分的关系,它们互为促进,相辅相成。以下是对两者关系的介绍: 一、深度学习是AI大模型的基础 技术支撑 :深度
    的头像 发表于 10-23 15:25 691次阅读

    FPGA做深度学习能走多远?

    的应用场景。 • 可重构性:在深度学习高速迭代的情况下,FPGA 比一些专用芯片(如 ASIC)具有更强的灵活性。当深度学习算法或模型结构发生变化时,FPGA 可以
    发表于 09-27 20:53

    深度学习中的时间序列分类方法

    时间序列分类(Time Series Classification, TSC)是机器学习深度学习领域的重要任务之一,广泛应用于人体活动识别、系统监测、金融预测、医疗诊断等多个领域。随着深度
    的头像 发表于 07-09 15:54 904次阅读

    深度学习与nlp的区别在哪

    方法,它通过模拟人脑的神经网络结构,实现对数据的自动特征提取和学习深度学习的核心是构建多层的神经网络结构,每一层都包含大量的神经元,这些神经元通过
    的头像 发表于 07-05 09:47 921次阅读

    深度学习常用的Python库

    深度学习作为人工智能的一个重要分支,通过模拟人类大脑中的神经网络来解决复杂问题。Python作为一种流行的编程语言,凭借其简洁的语法和丰富的库支持,成为了深度
    的头像 发表于 07-03 16:04 640次阅读

    TensorFlow与PyTorch深度学习框架的比较与选择

    深度学习作为人工智能领域的一个重要分支,在过去十年中取得了显著的进展。在构建和训练深度学习模型的过程中,深度
    的头像 发表于 07-02 14:04 964次阅读

    深度学习模型训练过程详解

    深度学习模型训练是一个复杂且关键的过程,它涉及大量的数据、计算资源和精心设计的算法。训练一个深度学习模型,本质上是通过优化算法调整模型参数,
    的头像 发表于 07-01 16:13 1252次阅读

    深度学习与传统机器学习的对比

    在人工智能的浪潮中,机器学习深度学习无疑是两大核心驱动力。它们各自以其独特的方式推动着技术的进步,为众多领域带来了革命性的变化。然而,尽管它们都属于机器学习的范畴,但
    的头像 发表于 07-01 11:40 1350次阅读

    深度解析深度学习下的语义SLAM

    随着深度学习技术的兴起,计算机视觉的许多传统领域都取得了突破性进展,例如目标的检测、识别和分类等领域。近年来,研究人员开始在视觉SLAM算法中引入深度学习技术,使得
    发表于 04-23 17:18 1289次阅读
    <b class='flag-5'>深度</b>解析<b class='flag-5'>深度</b><b class='flag-5'>学习</b>下的语义SLAM

    为什么深度学习的效果更好?

    导读深度学习是机器学习的一个子集,已成为人工智能领域的一项变革性技术,在从计算机视觉、自然语言处理到自动驾驶汽车等广泛的应用中取得了显著的成功。深度
    的头像 发表于 03-09 08:26 622次阅读
    为什么<b class='flag-5'>深度</b><b class='flag-5'>学习</b>的效果更好?

    什么是深度学习?机器学习深度学习的主要差异

    2016年AlphaGo 击败韩国围棋冠军李世石,在媒体报道中,曾多次提及“深度学习”这个概念。
    的头像 发表于 01-15 10:31 1068次阅读
    什么是<b class='flag-5'>深度</b><b class='flag-5'>学习</b>?机器<b class='flag-5'>学习</b>和<b class='flag-5'>深度</b><b class='flag-5'>学习</b>的主要差异

    详解深度学习、神经网络与卷积神经网络的应用

    在如今的网络时代,错综复杂的大数据和网络环境,让传统信息处理理论、人工智能与人工神经网络都面临巨大的挑战。近些年,深度学习逐渐走进人们的视线,通过深度学习解决若干问题的案例越来越多。一
    的头像 发表于 01-11 10:51 2029次阅读
    详解<b class='flag-5'>深度</b><b class='flag-5'>学习</b>、神经网络与卷积神经网络的应用