Durch die Integration von Ultralytics YOLO-Modellen in seine Plattform hat Theia Scientific die Verarbeitung von Mikroskopiedaten grundlegend verändert und die Analyse effizienter und zuverlässiger gemacht.
Wissenschaftliche Forschung in Bereichen wie Materialwissenschaft und Nanotechnologie nutzt häufig geladene Teilchen, Rastersonden und optische Mikroskopie, um Strukturen zu untersuchen, die für das menschliche Auge unsichtbar sind. Die Transmissionselektronenmikroskopie (TEM) ist beispielsweise ein wichtiges Verfahren, mit dem sich feinste Details im Nano- und Atombereich erfassen lassen.
Nach der Aufnahme können diese Bilder jedoch nur langsam und mit erheblichem Aufwand sowie fundiertem Fachwissen ausgewertet werden. Um diesen Prozess zu verbessern, entwickelte Theia Scientific die Plattform Theiascope™ – ein System zur Echtzeitanalyse von Mikroskopiebildern, das Ultralytics YOLO-Modelle integriert. Es automatisiert die Erkennung und Segmentierung von Merkmalen sowie deren quantitative Messung und macht die Mikroskopie dadurch schneller, effizienter und reproduzierbar.
Die Rolle von Vision-KI in der wissenschaftlichen Bildgebung#
Die Brüder Kevin und Christopher Field gründeten Theia Scientific, um fortschrittliche Softwarewerkzeuge zu entwickeln, die die Mikroskopieforschung beschleunigen. Dank ihrer Erfahrung in Materialwissenschaft, industrieller Automatisierung, Elektronik und Softwareentwicklung konzentrieren sie sich darauf, die Engpässe zu verringern, mit denen Wissenschaftler, Ingenieure und Forschende bei der Analyse komplexer Bilddaten konfrontiert sind.
Das Flaggschiffprodukt des Unternehmens, die Plattform Theiascope™, nutzt Computer Vision, um Merkmale in Elektronenmikroskopiebildern automatisch zu erkennen, zu segmentieren und zu messen. Durch den Einsatz von Vision-KI statt manueller Kennzeichnung und Nachzeichnung liefert die Plattform konsistente und reproduzierbare Ergebnisse.
Warum lassen sich Mikroskopiebilder nur schwer manuell auswerten?#
Mikroskopiebilder, insbesondere Aufnahmen mit TEM, sind sehr detailreich, aber schwierig zu interpretieren. Jedes Bild enthält Hunderte bis Tausende feiner Merkmale und Strukturen, etwa Körner und Korngrenzen, die sorgfältig identifiziert, gekennzeichnet, nachgezeichnet und/oder vermessen werden müssen, um aussagekräftige Daten zu gewinnen. Traditionell wurde dies von Hand erledigt – ein langsamer Prozess, dessen Ergebnisse von Person zu Person variieren können. Zwei Forschende könnten dasselbe Bild unterschiedlich kennzeichnen, was zu uneinheitlichen Ergebnissen und großen Fehlerbalken führt.
Bei umfangreichen Datensätzen wird dieser Prozess noch komplexer. Um verlässliche Erkenntnisse zu gewinnen, müssen oft Tausende von Bildern analysiert werden. Mit manuellen Methoden kann das Wochen oder sogar Monate dauern. Zudem erschweren Unterschiede bei Kontrast und Bildrauschen sowie überlappende Strukturen die Auswertung zusätzlich.
Für Forschende, die die Entwicklung von Mikrostrukturen untersuchen oder Veränderungen im Zeitverlauf verfolgen möchten, können diese Probleme den Forschungsfortschritt verlangsamen. Theia Scientific erkannte, dass diese Herausforderungen eine stärker automatisierte und zuverlässige Lösung erforderten.
Mikroskopie-Arbeitsabläufe mit Ultralytics YOLO-Modellen verbessern#
Nachdem Theia Scientific verschiedene Ansätze zur Automatisierung der Mikroskopiedatenanalyse untersucht hatte, stellte das Unternehmen fest, dass Ultralytics YOLO-Modelle die für die Echtzeitanalyse von Mikroskopiebildern erforderliche Geschwindigkeit, Genauigkeit und Flexibilität boten und so sofortige quantitative Ergebnisse am Mikroskop ermöglichten, während Experimente noch liefen. Ultralytics YOLO-Modelle wie Ultralytics YOLO11 und Ultralytics YOLOv8 unterstützen Computer-Vision-Aufgaben wie die Objekterkennung (das Identifizieren und Lokalisieren einzelner Merkmale in einem Bild) und die Instanzsegmentierung (das Umranden jedes Merkmals auf Pixelebene). Dadurch lassen sich nanoskalige Strukturen wie Körner und Korngrenzen direkt in TEM-Bildern erkennen, sobald diese aufgenommen werden.
Abb. 1. Derzeitiger Arbeitsablauf für Mikroskopiebilder und deren Analyse. Wissenschaftler, Ingenieure und Forschende wollen am Ende des Arbeitsablaufs Erkenntnisse gewinnen und Antworten finden. Der Ablauf ist jedoch uneinheitlich und arbeitsintensiv; der Zeit- und Arbeitsaufwand für die einzelnen Schritte ist unten dargestellt. Die Merkmalserkennung und das Zusammenführen der Ergebnisse nehmen im Arbeitsablauf am meisten Zeit in Anspruch. Die grauen Pfeile zurück zur Datenerfassung zeigen, dass Daten erneut aufgenommen werden müssen, weil die vorhandenen Daten nicht brauchbar sind. Quelle: Theia Scientific.
In einer aktuellen Studie zu polykristallinen Dünnschichten wurden Theiascope™ und Ultralytics YOLO-Modelle beispielsweise verwendet, um Kornstrukturen zu identifizieren und zu vermessen, die die Eigenschaften von Materialien in Elektronik, Beschichtungen und Energiegeräten beeinflussen. Genaue Verteilungen der Korngrößen sind entscheidend, um zu verstehen, wie sich diese Dünnschichten während Experimenten verändern.
Einer der Hauptgründe, warum Ultralytics YOLO-Modelle bei diesen Anwendungsfällen so effektiv sind, ist ihre Fähigkeit, über große Datensätze hinweg zu interpolieren. Statt jedes Bild eines Experiments beschriften zu müssen, können Forschende nur einen kleinen Teil der Bilder annotieren, ein YOLO-Modell trainieren und es anschließend zuverlässig Tausende weiterer Bilder analysieren lassen. So lassen sich Kornwachstum und Veränderungen an Korngrenzen in Zeitraffer-TEM-Experimenten mit minimalem manuellem Aufwand verfolgen.
Warum Ultralytics YOLO-Modelle wählen?#
In der zuvor besprochenen Studie zu polykristallinen Dünnschichten war Ultralytics YOLOv8 bis zu 43-mal schneller als U-Net, ein Modell, das häufig für die wissenschaftliche Bildanalyse eingesetzt wird. Dank dieser Geschwindigkeit eignet sich YOLO für die Echtzeitanalyse direkt am Mikroskop.
U-Net ist zwar genau, aber langsam. YOLO vereint Geschwindigkeit und Genauigkeit und misst Korngrößen mit einer Abweichung von höchstens 3 % von den Referenzwerten. Durch sein Design ist das Modell außerdem flexibler und lässt sich mühelos an unterschiedliche Maßstäbe und Trainingskonfigurationen anpassen. Für Forschende bedeutet das schnellere Ergebnisse ohne Abstriche bei der Zuverlässigkeit – ideal, um Mikroskopieabläufe zu beschleunigen.
Abb. 2. Im Vergleich zur manuellen Nachzeichnung (b) und zu U-Net (c) liefert die YOLOv8-Segmentierung (d) schärfere und genauere Umrisse auf Mikroskopiebildern. (Quelle)
Mit YOLO Verzerrungen verringern und die Konsistenz in der Mikroskopie verbessern#
Mit der Plattform Theiascope™ zeigte Theia Scientific, dass Ultralytics YOLO-Modelle die Mikroskopiebildanalyse und TEM-Experimente beschleunigen und zugleich reproduzierbare Langzeitforschung unterstützen können. Die Plattform ist so konzipiert, dass sie unabhängig vom Mikroskop funktioniert. Das bedeutet, dass YOLO-Modelle Bilder analysieren können, die mit verschiedenen Geräten aufgenommen wurden, ohne dass speziell angepasste Datenverarbeitungsketten erforderlich sind. Diese Flexibilität sorgt für einheitliche Abläufe bei unterschiedlichen Experimenten, Bedienenden und Umgebungen.
Reproduzierbarkeit ist ein weiterer wichtiger Vorteil. In der wissenschaftlichen Forschung müssen Ergebnisse oft noch Jahre später erneut geprüft und bestätigt werden. Da verschiedene YOLO-Modelle in Theiascope™ integriert sind, können Forschende ältere Modelle wie Ultralytics YOLOv5 auf archivierte Datensätze anwenden, konsistente Ergebnisse erhalten und diese direkt mit den Resultaten neuerer Modelle wie Ultralytics YOLO11 vergleichen. So lassen sich Ergebnisse unkompliziert überprüfen, auch wenn sich KI-Verfahren weiterentwickeln.
Abb. 3. Die Plattform Theiascope™. Elektronenmikroskopiebilder werden aufgenommen und vom Erfassungscomputer an ein Gerät mit GPU übertragen, auf dem eine Webanwendung, eine Zeitreihendatenbank und die Ultralytics YOLO-Modelle laufen. Aktualisierungen und neue Ultralytics YOLO-Modelle können per OTA-Update auf die Plattform übertragen werden. Quelle: Theia Scientific.
Darüber hinaus bieten Ultralytics YOLO-Modelle der Plattform die nötige Skalierbarkeit für große Datensätze. Dank der Echtzeit-Inferenz lassen sich Tausende von TEM-Bildern in der Zeit analysieren, die eine manuelle Analyse von nur wenigen Bildern erfordern würde. So können Forschende dynamische Prozesse wie das Kornwachstum über ganze Experimente hinweg verfolgen, neue Erkenntnisse gewinnen und neuartige Experimente im für Spitzenforschung erforderlichen Umfang und Tempo ermöglichen.
Fortschrittliche Vision AI in Forschungswerkzeuge der nächsten Generation integrieren#
Theia Scientific sieht Ultralytics YOLO-Modelle als Grundlage für die Zukunft der Mikroskopie. Durch die Weiterentwicklung von Trainingsmethoden und Kalibrierungsverfahren will das Unternehmen die Genauigkeit über verschiedene Maßstäbe und Versuchsbedingungen hinweg weiter verbessern.
Theia Scientific plant, Theiascope™ künftig für komplexere In-situ-Experimente und multimodale Datensätze weiterzuentwickeln. Das Unternehmen geht davon aus, dass Vision AI zu einem festen Bestandteil von Arbeitsabläufen in der Forschung der nächsten Generation wird und so schnellere Entdeckungen und tiefere Einblicke in verschiedenen wissenschaftlichen Bereichen ermöglicht.
Möchtest du die Arbeitsabläufe in deinem Unternehmen vereinfachen? Besuche unser GitHub-Repository, um mehr über Vision AI zu erfahren. Entdecke, wie YOLO-Modelle Innovationen in Bereichen wie der KI im Gesundheitswesen und der Computer Vision im Einzelhandel vorantreiben. Erfahre, wie unsere Lizenzoptionen deine Vision unterstützen können, und probiere YOLO selbst aus.
Verfasst von
Content Creator · Ultralytics
