Theia Scientific beschleunigt die Mikroskopie-Analyse um den Faktor 43 mit Ultralytics YOLO

Wissenschaftliche Forschung in Bereichen wie Materialwissenschaft und Nanotechnologie hängt oft von geladenen Teilchen, Rastersonden- und optischer Mikroskopie ab, um Strukturen zu erforschen, die für das menschliche Auge unsichtbar sind. Zum Beispiel ist die Transmissionselektronenmikroskopie (TEM) ein Schlüsselwerkzeug, das in der Lage ist, feine Details im Nano- und Atombereich zu erfassen.

Leider kann die Analyse dieser Bilder nach der Aufnahme langsam und komplex sein und erfordert oft erheblichen manuellen Aufwand sowie Fachwissen. Um diesen Prozess zu verbessern, entwickelte Theia Scientific die Theiascope™-Plattform, ein Echtzeit-Mikroskopie-Bildanalysesystem, das Ultralytics YOLO-Modelle integriert, um Bilderkennung, Segmentierung und quantitative Messungen zu automatisieren und die Mikroskopie schneller, effizienter und reproduzierbarer zu machen.

Link to this sectionDie Rolle von Vision AI in der wissenschaftlichen Bildgebung erforschen#

Gegründet von den Brüdern Kevin und Christopher Field, entwickelt Theia Scientific fortschrittliche Software-Tools, um die Mikroskopie-Forschung zu beschleunigen. Mit Expertise in den Bereichen Materialwissenschaft, industrielle Automatisierung, Elektronik und Software-Engineering konzentrieren sie sich darauf, die Engpässe zu reduzieren, mit denen Wissenschaftler, Ingenieure und Forscher bei der Analyse komplexer Bilddaten konfrontiert sind.

Ihr Flaggschiffprodukt, die Theiascope™-Plattform, integriert Computer Vision, um Merkmale in elektronenmikroskopischen Bildern automatisch zu erkennen, zu segmentieren und zu messen. Indem sie auf Vision AI statt auf manuelle Annotation und Nachzeichnung setzen, liefert die Plattform konsistente und reproduzierbare Ergebnisse.

Link to this sectionWarum sind Mikroskopie-Bilder manuell schwer zu analysieren?#

Mikroskopie-Bilder, insbesondere solche, die mit TEM aufgenommen wurden, sind sehr detailliert, aber schwer zu interpretieren. Jedes Bild enthält Hunderte bis Tausende feiner Merkmale und Strukturen, wie Körner und Grenzen, die sorgfältig identifiziert, annotiert, nachgezeichnet und/oder gemessen werden müssen, um aussagekräftige Daten zu extrahieren. Traditionell geschieht dies von Hand, was langsam ist und von Person zu Person variieren kann. Zwei Forscher könnten dasselbe Bild unterschiedlich annotieren, was zu inkonsistenten Ergebnissen und großen Fehlerbalken führt.

Dieser Prozess wird noch komplexer, wenn große Datensätze involviert sind. Um zuverlässige Erkenntnisse zu gewinnen, müssen oft Tausende von Bildern analysiert werden, was bei manuellen Methoden Wochen oder sogar Monate dauern kann. Zudem machen Variationen in Kontrast, Rauschen und überlappenden Strukturen den Prozess noch schwieriger.

Für Forscher, die die mikrostrukturelle Entwicklung untersuchen oder Veränderungen im Zeitverlauf verfolgen möchten, können diese Probleme die Forschung verlangsamen. Theia Scientific erkannte, dass diese Bedenken eine automatisiertere und zuverlässigere Lösung erforderten.

Link to this sectionVerbesserung von Mikroskopie-Workflows mit Ultralytics YOLO-Modellen#

Nachdem Theia Scientific verschiedene Ansätze zur Automatisierung der Mikroskopie-Datenanalyse untersucht hatte, stellten sie fest, dass Ultralytics YOLO-Modelle die nötige Geschwindigkeit, Genauigkeit und Flexibilität für eine Echtzeit-Mikroskopie-Bildanalyse bieten. Dies ermöglicht sofortige quantitative Ergebnisse am Mikroskop, während die Experimente noch laufen. Ultralytics YOLO-Modelle wie Ultralytics YOLO11 und Ultralytics YOLOv8 unterstützen Computer-Vision-Aufgaben wie Objekterkennung (Identifizierung und Lokalisierung einzelner Merkmale in einem Bild) und Instanzsegmentierung (Umriss jedes Merkmals auf Pixelebene). Diese Aufgaben machen es möglich, nanoskalige Strukturen, wie Körner und Grenzen, direkt in TEM-Bildern während der Aufnahme zu erkennen.

Abb. 1. Aktueller Workflow für Mikroskopie-Bilder und Datenanalyse. Wissenschaftler, Ingenieure und Forscher suchen am Ende des Workflows letztlich nach Entdeckungen und Antworten. Währenddessen ist der Workflow unzusammenhängend und mühsam, wobei der relative Zeit-/Arbeitsaufwand für jeden Schritt unten dargestellt ist. Die Merkmalerkennung und Aggregation sind die zeitaufwendigsten Phasen im Workflow. Die grauen Pfeile, die zurück zur Aufnahme führen, stellen das notwendige erneute Aufnehmen von Daten dar, weil die aktuellen Daten nicht nützlich sind. Quelle: Theia Scientific.

Zum Beispiel wurden in einer kürzlich durchgeführten Studie zu polykristallinen Dünnschichten Theiascope™ und Ultralytics YOLO-Modelle verwendet, um Kornstrukturen zu identifizieren und zu messen, die die Eigenschaften von Materialien in der Elektronik, Beschichtungen und Energietechnik beeinflussen. Genaue Korngrößenverteilungen sind entscheidend, um zu verstehen, wie sich diese Schichten während der Experimente entwickeln.

Einer der Hauptgründe, warum Ultralytics YOLO-Modelle in diesen Anwendungsfällen so effektiv sind, ist ihre Fähigkeit, über große Datensätze hinweg zu interpolieren. Anstatt jeden Frame in einem Experiment labeln zu müssen, können Forscher nur einen kleinen Bruchteil der Bilder annotieren, ein YOLO-Modell trainieren und es dann zuverlässig Tausende weiterer Frames analysieren lassen. Dies ermöglicht es, Kornwachstum und Grenzveränderungen über Zeitraffer-TEM-Experimente hinweg mit minimalem manuellem Aufwand zu verfolgen.

Link to this sectionWarum solltest du dich für Ultralytics YOLO Modelle entscheiden?#

In der zuvor diskutierten Studie zu polykristallinen Dünnschichten stellte sich heraus, dass Ultralytics YOLOv8 bis zu 43-mal schneller als U-Net war (ein Modell, das oft für wissenschaftliche Bildanalysen verwendet wird). Diese Geschwindigkeit macht YOLO praktikabel für Echtzeit-Analysen direkt am Mikroskop.

Während U-Net zwar genau, aber langsam ist, kombiniert YOLO Geschwindigkeit mit Genauigkeit und erreicht Korngrößenmessungen, die bis auf 3 % an die Ground Truth heranreichen. Das Design macht es zudem flexibler und ermöglicht die einfache Handhabung unterschiedlicher Skalierungen und Trainings-Setups. Für Forscher bedeutet dies schnellere Ergebnisse ohne Einbußen bei der Zuverlässigkeit, was ideal ist, um Mikroskopie-Workflows zu beschleunigen.

Abb. 2. Im Vergleich zu manueller Nachzeichnung (b) und U-Net (c) liefert die YOLOv8-Segmentierung (d) schärfere, genauere Umrisse auf Mikroskopie-Bildern. (Quelle)

Link to this sectionVerringerung von Bias und Steigerung der Konsistenz in der Mikroskopie mit YOLO#

Durch die Theiascope™-Plattform hat Theia Scientific gezeigt, dass Ultralytics YOLO-Modelle die Mikroskopie-Bildanalyse und TEM-Experimente beschleunigen und gleichzeitig reproduzierbare, langfristige Forschung unterstützen können. Die Plattform ist mikroskopunabhängig gestaltet, was bedeutet, dass YOLO-Modelle zur Analyse von Bildern verwendet werden, die mit verschiedenen Instrumenten gesammelt wurden, ohne dass angepasste Pipelines erforderlich sind. Diese Flexibilität stellt sicher, dass Workflows über verschiedene Experimente, Bediener und Umgebungen hinweg konsistent bleiben.

Reproduzierbarkeit ist ein weiteres wichtiges Ergebnis. Wissenschaftliche Forschung erfordert oft, dass Ergebnisse Jahre später erneut überprüft und validiert werden. Mit verschiedenen YOLO-Modellen, die in Theiascope™ integriert sind, können Forscher ältere Modelle wie Ultralytics YOLOv5 auf archivierten Datensätzen erneut ausführen und konsistente Ausgaben erhalten, um diese dann direkt mit den Ergebnissen neuerer Modelle wie Ultralytics YOLO11 zu vergleichen. Dies macht die Überprüfung von Erkenntnissen unkompliziert, selbst wenn sich KI-Methoden weiterentwickeln.

Abb. 3. Die Theiascope™-Plattform. Elektronenmikroskopie-Bilder werden erfasst und vom Erfassungscomputer zu einem GPU-fähigen Gerät gestreamt, das eine Webanwendung, eine Zeitreihendatenbank und die Ultralytics YOLO-Modelle ausführt. Updates und neue Ultralytics YOLO-Modelle können per OTA-Updates auf die Plattform übertragen werden. Quelle: Theia Scientific.

Zudem verleihen Ultralytics YOLO-Modelle der Plattform die Skalierbarkeit, die zur Bewältigung großer Datensätze erforderlich ist. Ihre Echtzeit-Inferenzfähigkeiten erlauben die Analyse von Tausenden von TEM-Bildern in der Zeit, die man für die manuelle Analyse von nur wenigen benötigen würde. Dies ermöglicht es Forschern, dynamische Prozesse wie Kornwachstum über ganze Experimente hinweg zu verfolgen, neue Erkenntnisse zu gewinnen und neuartige Experimente in dem Maßstab und mit der Geschwindigkeit durchzuführen, die für Spitzenforschung erforderlich sind.

Link to this sectionIntegration fortschrittlicher Vision AI in Forschungstools der nächsten Generation#

Theia Scientific sieht in Ultralytics YOLO-Modellen ein Fundament für die Zukunft der Mikroskopie. Durch die kontinuierliche Verfeinerung von Trainings-Methoden und Kalibrierungsansätzen zielen sie darauf ab, die Genauigkeit über verschiedene Skalierungen und experimentelle Bedingungen hinweg weiter zu verbessern.

In Zukunft plant Theia Scientific, Theiascope™ zu erweitern, um komplexere In-situ-Experimente und multimodale Datensätze zu unterstützen. Sie sind überzeugt, dass Vision AI ein Standardbestandteil wissenschaftlicher Workflows der nächsten Generation werden wird, was schnellere Entdeckungen und tiefere Einblicke in allen wissenschaftlichen Bereichen ermöglichen wird.

Möchtest du die Workflows deines Unternehmens optimieren? Besuche unser GitHub-Repository, um mehr über Vision AI zu erfahren. Erforsche, wie YOLO-Modelle Innovationen in Bereichen wie KI im Gesundheitswesen und Computer Vision im Einzelhandel vorantreiben. Um praktische Erfahrung mit YOLO zu sammeln, entdecke, wie unsere Lizenzoptionen deine Vision unterstützen können.