恒丰娱乐手机版

团队早期工作包括使用深度学习方法开展基于图像化石形态的智能识别。为此，团队搜集和整理了包括所有常见化石的50个类别、41.53万张照片的化石图像数据集，以及涵盖22个类别、3.08万张照片的薄片化石数据集，并实现了基于化石图像的形态特征自动提取、数字化处理。

“这项研究，不仅加深了我们对古生物形态演化的理解，更为我们评估现代生物多样性面临的灭绝风险提供了科学依据。”刘小康说，通过分析化石记录中的形态多样性在大灭绝事件前后的变化，可以更好地预测和应对当前生物多样性面临的威胁。

恒丰娱乐手机版2022年起，中国地质大学（武汉）地球科学学院教授宋海军团队利用深度学习方法，开发了一个自动化模型（命名DeepMorph），对这一问题展开研究。近日，相关成果发表在国际学术期刊《自然·生态与进化》（Nature Ecology&Evolution）上。

利用DeepMorph模型，团队对菊石、腕足动物、介形虫、双壳类、腹足类和牙形动物在内的6个海洋生物门类、总计599个属的化石图像展开分析。对比全球古生物数据库显示，其研究样本占比6个门类已知属的83%，研究具备普遍意义。

刘小康介绍，生物形态多样性，即不同物种在形态上的差异，是衡量生物多样性的重要指标之一。以往的研究通常认为，在大灭绝时期，某一生物门类的物种多样性和形态多样性增减方向一致；但有研究通过对生物化石形态、结构的分析表明，二者存在不一致性。此外，不同的分析样本、不同的分析方法等因素，导致科学家们对同一课题的研究结果也不同，科学结论众说纷纭。

刘小康在博士研究生阶段注意到，近年来随着人工智能和计算机硬件的发展，深度学习方法在处理复杂和大批量数据中表现出强劲的性能，并且具有高度自动化的实现流程，“基于深度学习的生物形态学研究，有望为探究生物演化提供新的视角”。

在研究中，团队发现，新开发的这一深度学习模型，不仅加快了形态数据提取过程，还减少了人为主观性，研究路径有助于研究结果的可重复性和客观性，“这为未来开展深度学习与地球生物学的更多交叉研究提供了可能。”刘小康说。

刘小康举例说，菊石是古-中生代海洋中常见的游泳动物，在这次大灭绝事件中形态多样性出现急剧下降。菊石在这次灭绝中表现出明显的形态选择性——弱壳饰、表面光滑的菊石更容易残存，灭绝后新生的菊石，也具有壳饰减弱的特点。

“这种灭绝的选择性和强度，可能是由复杂的多因素影响所致，反映出不同演化枝和形态类型对环境耐受阈值的差异。”刘小康分析，大灭绝时期，强烈的火山喷发事件导致二氧化碳快速释放和海水酸化，菊石、腕足动物、双壳类等钙质生物对环境变化反应剧烈，对它们而言也更难建造复杂、厚重的壳体和纹饰，导致物种大量减少并伴随形态多样性的降低。而牙形动物相对更适应大灭绝后的环境，趁机占据更多的“地盘”，并发展出多样的形态。

团队研究发现，在二叠纪与三叠纪大灭绝期间，包含菊石、腕足动物在内的5个门类，经历了形态多样性的损失，并对复杂和装饰性的形态进行了选择性灭绝，那些大型、复杂和强烈纹饰的形态类型灭绝更严重。不过，它们的演化模式并不相同：菊石是侧向选择性灭绝，腕足类和介形虫是边缘选择性灭绝，双壳类和腹足类是随机形态灭绝。