Метод на основе искусственного интеллекта ускоряет анализ окаменелостей
Ученые из Музея Квинсленда и Университета Джеймса Кука используют ИИ, чтобы раскрыть тайны нашего ископаемого прошлого. Ученые разработали основанную на ИИ методику, которая ускорила анализ окаменелостей, сократив месячный процесс до нескольких дней. Исследование было опубликовано в Scientific Reports .
Палеонтолог Музея Квинсленда и старший преподаватель JCU Эспен Кнутсен совместно с экспертом по глубокому обучению старшим преподавателем JCU Дмитрием Коноваловым работают над тем, как быстро анализировать окаменелости, заключенные в породе.
«Компьютерная томография (КТ) дает палеонтологам возможность заглянуть внутрь кости и изучить хрупкий ископаемый материал без необходимости физического удаления окружающей породы», — сказал Кнутсен.
Кнутсен рассказал, что наборы данных КТ состоят из стопки рентгеновских снимков, которые импортируются в компьютер, но затем им необходимо вручную указать, какие части каждого среза являются ископаемыми, а какие — горной породой, прежде чем можно будет создать 3D-модель.
«Благодаря постоянному совершенствованию оборудования размеры наборов данных и разрешение изображений значительно возросли, что означает значительные затраты времени на ручную сегментацию данных», — сказал Кнутсен. «Поскольку наборы данных часто превышают 2000 изображений на образец, этот процесс может занять месяцы».
Вместо этого ученые вручную сегментировали около 2% из 2000 фрагментов изображения и использовали их для обучения модели глубокого обучения, которая выполнила задачу самостоятельно.
«Мы получили высокоточное трехмерное изображение крошечной триасовой рептилии из Квинсленда, возраст которой составляет около 240 миллионов лет. Это было сделано за несколько дней, а не месяцев», — сказал Кнутсен.
Исследование устраняет огромное узкое место в современной палеонтологии, позволяя исследователям быстро получать больше данных из коллекций ископаемых и уделять больше времени изучению нашего древнего прошлого.
Теперь исследователи будут работать над расширением возможностей своей модели глубокого обучения для использования ее на других, более разнообразных ископаемых материалах.
Обсудим?
Смотрите также:
