深度学习研究可能引发新的恐龙发现

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