Theia Scientific definiert die Mikroskopie-Datenanalyse mit Ultralytics YOLO-Modellen neu

Die wissenschaftliche Forschung in Bereichen wie der Materialwissenschaft und der Nanotechnologie stützt sich häufig auf die Mikroskopie geladener Teilchen, die Rastersondenmikroskopie und die optische Mikroskopie, um Strukturen zu untersuchen, die für das menschliche Auge unsichtbar sind. So ist beispielsweise die Transmissionselektronenmikroskopie (TEM) ein wichtiges Instrument, mit dem feine Details im Nano- und Atombereich erfasst werden können.

Leider kann die Analyse dieser Bilder nach der Erfassung langsam und komplex sein und erfordert oft erheblichen manuellen Aufwand und Fachwissen. Um diesen Prozess zu verbessern, hat Theia Scientific die Theiascope™-Plattform entwickelt, ein Echtzeit-Mikroskopie-Bildanalysesystem, das Ultralytics YOLO-Modelle zur Automatisierung von Bilderkennung, Segmentierung und quantitativen Messungen integriert und die Mikroskopie schneller, effizienter und reproduzierbarer macht.

Erforschung der Rolle von Vision AI in der wissenschaftlichen Bildgebung

Das von den Brüdern Kevin und Christopher Field gegründete Unternehmen Theia Scientific entwickelt fortschrittliche Softwaretools zur Beschleunigung der Mikroskopieforschung. Mit ihrem Fachwissen in den Bereichen Materialwissenschaft, industrielle Automatisierung, Elektronik und Softwaretechnik konzentrieren sie sich darauf, die Engpässe zu verringern, mit denen Wissenschaftler, Ingenieure und Forscher bei der Analyse komplexer Bilddaten konfrontiert sind. 

Ihr Hauptprodukt, die Theiascope™-Plattform, integriert Computer Vision zur automatischen Erkennung, Segmentierung und Messung von Merkmalen in elektronenmikroskopischen Bildern. Da sich die Plattform auf Vision AI statt auf manuelle Anmerkungen und Nachverfolgung stützt, liefert sie konsistente und reproduzierbare Ergebnisse.

Warum sind Mikroskopiebilder manuell schwer zu analysieren?

Mikroskopische Bilder, insbesondere solche, die mit TEM aufgenommen wurden, sind sehr detailliert, aber schwierig zu interpretieren. Jedes Bild enthält Hunderte bis Tausende von feinen Merkmalen und Strukturen, wie z. B. Körner und Ränder, die sorgfältig identifiziert, beschriftet, nachgezeichnet und/oder gemessen werden müssen, um aussagekräftige Daten zu erhalten. Traditionell wurde dies von Hand gemacht, was langsam ist und von Person zu Person variieren kann. Zwei Forscher können dasselbe Bild unterschiedlich beschriften, was zu uneinheitlichen Ergebnissen und großen Fehlerbalken führt.

Dieser Prozess wird noch komplexer, wenn es sich um große Datensätze handelt. Um zuverlässige Erkenntnisse zu gewinnen, müssen oft Tausende von Bildern analysiert werden, was bei manuellen Methoden Wochen oder sogar Monate dauern kann. Darüber hinaus erschweren Kontrastschwankungen, Rauschen und sich überschneidende Strukturen den Prozess zusätzlich.

Für Forscher, die die mikrostrukturelle Entwicklung untersuchen oder Veränderungen im Laufe der Zeit verfolgen wollen, können diese Probleme die Forschung verlangsamen. Theia Scientific hat erkannt, dass diese Probleme eine automatisierte und zuverlässige Lösung erfordern.

Verbesserung von Mikroskopie-Workflows mit Ultralytics YOLO-Modellen

Nach der Untersuchung verschiedener Ansätze zur Automatisierung der Mikroskopie-Datenanalyse erkannte Theia Scientific, dass die Ultralytics YOLO-Modelle die Geschwindigkeit, Genauigkeit und Flexibilität bieten, die für die Echtzeit-Mikroskopie-Bildanalyse erforderlich sind, und sofortige quantitative Ergebnisse am Mikroskop ermöglichen, während die Experimente noch laufen. Ultralytics YOLO-Modelle wie Ultralytics YOLO11 und Ultralytics YOLOv8 unterstützen Computer-Vision-Aufgaben wie die Objekterkennung (Identifizierung und Lokalisierung einzelner Merkmale in einem Bild) und die Instanzsegmentierung (Umrissbildung jedes Merkmals auf Pixelebene). Diese Aufgaben ermöglichen die Erkennung von Strukturen im Nanomaßstab, wie Körner und Ränder, direkt in TEM-Bildern, während diese aufgenommen werden.

‍

In einer kürzlich durchgeführten Studie über polykristalline Dünnschichten wurden beispielsweise die Modelle Theiascope™ und Ultralytics YOLO verwendet, um Kornstrukturen zu identifizieren und zu messen, die die Eigenschaften von Materialien beeinflussen, die in der Elektronik, in Beschichtungen und in Energiegeräten verwendet werden. Genaue Korngrößenverteilungen sind entscheidend für das Verständnis, wie sich diese Schichten während der Experimente entwickeln. 

Einer der Hauptgründe, warum die YOLO-Modelle von Ultralytics in diesen Anwendungsfällen so effektiv sind, ist ihre Fähigkeit, über große Datensätze hinweg zu interpolieren. Anstatt jedes Bild eines Experiments zu beschriften, können Forscher nur einen kleinen Teil der Bilder beschriften, ein YOLO-Modell trainieren und es dann zuverlässig Tausende von zusätzlichen Bildern analysieren lassen. Auf diese Weise lassen sich Kornwachstum und Grenzveränderungen in Zeitraffer-TEM-Experimenten mit minimalem manuellem Aufwand verfolgen.

Warum die YOLO-Modelle von Ultralytics?

In der bereits erwähnten Studie über polykristalline dünne Schichten wurde festgestellt, dass Ultralytics YOLOv8 bis zu 43 Mal schneller ist als U-Net (ein Modell, das häufig für wissenschaftliche Bildanalysen verwendet wird). Diese Geschwindigkeit macht YOLO praktisch für die Echtzeit-Analyse am Mikroskop. 

Während U-Net zwar genau, aber langsam ist, kombiniert YOLO Schnelligkeit mit Genauigkeit, indem es Korngrößenmessungen mit einer Genauigkeit von 3 % der Bodenwahrheit abgleicht. Durch sein Design ist es außerdem flexibler und kann problemlos mit verschiedenen Skalen und Trainingsaufbauten umgehen. Für Forscher bedeutet dies schnellere Ergebnisse ohne Abstriche bei der Zuverlässigkeit, was ideal für die Beschleunigung von Mikroskopie-Workflows ist.

‍

Verringerung von Verzerrungen und Verbesserung der Konsistenz in der Mikroskopie mit YOLO

Mit der Theiascope™-Plattform hat Theia Scientific gezeigt, dass die YOLO-Modelle von Ultralytics die Bildanalyse von Mikroskopie- und TEM-Experimenten beschleunigen und gleichzeitig eine reproduzierbare, langfristige Forschung unterstützen können. Die Plattform ist so konzipiert, dass sie mikroskopunabhängig ist, d. h. die YOLO-Modelle werden zur Analyse von Bildern verwendet, die mit verschiedenen Instrumenten aufgenommen wurden, ohne dass angepasste Pipelines erforderlich sind. Diese Flexibilität stellt sicher, dass die Arbeitsabläufe bei unterschiedlichen Experimenten, Bedienern und Umgebungen konsistent bleiben.

Die Reproduzierbarkeit ist ein weiteres wichtiges Ergebnis. Wissenschaftliche Forschung erfordert oft, dass die Ergebnisse Jahre später überprüft und validiert werden. Mit den verschiedenen in Theiascope™ integrierten YOLO-Modellen können Forscher ältere Modelle wie Ultralytics YOLOv5 auf archivierten Datensätzen erneut ausführen und konsistente Ergebnisse erhalten, die sie dann direkt mit den Ergebnissen neuerer Modelle wie Ultralytics YOLO11 vergleichen können. Dies macht die Überprüfung der Ergebnisse einfach, auch wenn sich die KI-Methoden weiterentwickeln.

‍

Außerdem verleihen die YOLO-Modelle von Ultralytics der Plattform die nötige Skalierbarkeit, um große Datensätze zu verarbeiten. Dank ihrer Echtzeit-Inferenzfähigkeiten können Tausende von TEM-Bildern in der Zeit analysiert werden, die für die manuelle Analyse von nur einigen wenigen Bildern erforderlich wäre. Auf diese Weise können Forscher dynamische Prozesse wie das Kornwachstum über ganze Experimente hinweg verfolgen, neue Erkenntnisse gewinnen und neue Experimente in dem für die Spitzenforschung erforderlichen Umfang und Tempo durchführen.

Integration fortschrittlicher KI in Forschungswerkzeuge der nächsten Generation

Theia Scientific sieht in den Ultralytics YOLO-Modellen eine Grundlage für die Zukunft der Mikroskopie. Durch die kontinuierliche Verfeinerung von Trainingsmethoden und Kalibrierungsansätzen soll die Genauigkeit in allen Maßstäben und unter allen Versuchsbedingungen weiter verbessert werden. 

Für die Zukunft plant Theia Scientific, Theiascope™ zu erweitern, um komplexere In-situ-Experimente und multimodale Datensätze zu unterstützen. Das Unternehmen hält es für wahrscheinlich, dass Vision AI zu einem Standardbestandteil der Forschungsworkflows der nächsten Generation werden wird, um schnellere Entdeckungen und tiefere Einblicke in allen wissenschaftlichen Bereichen zu ermöglichen.

Sind Sie daran interessiert, die Arbeitsabläufe in Ihrem Unternehmen zu optimieren? Besuchen Sie unser GitHub-Repository, um mehr über Vision AI zu erfahren. Erfahren Sie, wie YOLO-Modelle Innovationen in Bereichen wie KI im Gesundheitswesen und Computer Vision im Einzelhandel vorantreiben. Wenn Sie YOLO in die Praxis umsetzen möchten, entdecken Sie, wie unsere Lizenzierungsoptionen Ihre Vision unterstützen können.