Projektbeschreibung
Hörtests für Knorpelfische
Haie, Rochen und Sägefische zählen genau wie mehr als 1 000 Arten zu der Unterklasse der Knorpelfische. Und wie die meisten Fische verfügen sie über hochentwickelte Sinnesorgane. Das EU-finanzierte Projekt FISHEARS widmet sich dem Gehör: Mithilfe neuartiger Biobildgebungs- und computergestützter Instrumente wird das Projekt die Ohren von Knorpelfischen untersuchen. Unter Verwendung diffusionsfähiger iodbasierter, konstrastmittelverstärkter Computertomographie werden hochauflösende 3D-Modelle der Innenohren erstellt. Um die Biomechanik der Fischohrstruktur zu ergründen, wird das Projekt eine digitale Nachbildung erstellen. FISHEARS wird außerdem ein statistisches Rahmenwerk entwickeln, um Faktoren zu berücksichtigen, die das Gehörorgan prägen könnten. Das Projekt wird einen Algorithmus für maschinelles Lernen anwenden, um Muster und Beziehungen zwischen verschiedenen Faktoren erschließen zu können.
Ziel
One of the predominant riddles of sensory biology is the diversity in fish auditory systems. It is widely
accepted that fishes are well adapted to utilising underwater sounds as sensory cues in key life-history
events. However, the functional significance and the driving force leading to the differences in fish
inner ear sizes and structures are unknown. A complex interplay of physical, evolutionary, functional
and ecological factors may shape the different elements: a multiscale environment too complicated
for human conceptualisation. I propose to address this question by applying novel bioimaging and
computational tools to investigate elasmobranch fish ears. Firstly, diffusible iodine-based contrast enhanced
computed tomography (diceCT) will be used, co-registered with MRI data, to build 3D high
resolution models of the inner ears. Secondly, a Finite Element (FE) model will be created to digitally
replicate a fish ear and understand the biomechanics of its structure. Finally, a statistical framework
will be developed to incorporate the factors that may shape the hearing system of elasmobranch
fishes, including the collected data, together with the available physiological, ecological and
biogeographical information on each species, as well as species’ acoustic environmental parameters. A
Machine Learning algorithm will be applied to infer patterns and relationships between the factors, to
perform both cluster and prediction analyses. Thus, a reliable model will be developed, which can
predict the hearing capability of any elasmobranch species based on the ear morphology and the first
evidence of the function of fish ear diversity.
Wissenschaftliches Gebiet (EuroSciVoc)
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen
Wir bitten um Entschuldigung ... während der Ausführung ist ein unerwarteter Fehler aufgetreten.
Sie müssen sich authentifizieren. Ihre Sitzung ist möglicherweise abgelaufen.
Vielen Dank für Ihr Feedback. Sie erhalten in Kürze eine E-Mail zur Übermittlungsbestätigung. Wenn Sie sich für eine Benachrichtigung über den Berichtsstatus entschieden haben, werden Sie auch im Falle einer Änderung des Berichtsstatus benachrichtigt.
Schlüsselbegriffe
Programm/Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
(öffnet in neuem Fenster) H2020-MSCA-IF-2019
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
MSCA-IF -Koordinator
BS8 1QU Bristol
Vereinigtes Königreich