Theia Scientific acelera el análisis de microscopía 43 veces con Ultralytics YOLO

La investigación científica en campos como la ciencia de materiales y la nanotecnología a menudo depende de la microscopia de partículas cargadas, de sonda de barrido y óptica para explorar estructuras que son invisibles para el ojo humano. Por ejemplo, la microscopia electrónica de transmisión (TEM, por sus siglas en inglés) es una herramienta clave, capaz de capturar detalles finos a escala nanométrica y atómica.

Desafortunadamente, una vez que se adquieren estas imágenes, analizarlas puede ser lento y complejo, y a menudo requiere un esfuerzo manual significativo y experiencia en el dominio. Para mejorar este proceso, Theia Scientific desarrolló la plataforma Theiascope™, un sistema de análisis de imágenes de microscopia en tiempo real que integra los modelos de Ultralytics YOLO para automatizar la detección, segmentación y mediciones cuantitativas de imágenes, haciendo que la microscopia sea más rápida, eficiente y reproducible.

Explorando el papel de la IA de visión en la imagenología científica#

Fundada por los hermanos Kevin y Christopher Field, Theia Scientific desarrolla herramientas de software avanzadas para acelerar la investigación en microscopía. Con experiencia en ciencia de materiales, automatización industrial, electrónica e ingeniería de software, se centran en reducir los cuellos de botella a los que se enfrentan científicos, ingenieros e investigadores al analizar datos de imágenes complejos.

Su producto insignia, la plataforma Theiascope™, integra visión artificial para detectar, segmentar y medir automáticamente características en imágenes de microscopia electrónica. Al depender de la IA de visión en lugar de la anotación y el trazado manuales, la plataforma ofrece resultados consistentes y reproducibles.

¿Por qué son difíciles de analizar manualmente las imágenes de microscopía?#

Las imágenes de microscopía, especialmente las capturadas con TEM, son muy detalladas pero difíciles de interpretar. Cada imagen contiene cientos o miles de características y estructuras finas, como granos y límites, que deben ser identificadas, anotadas, trazadas y/o medidas cuidadosamente para extraer datos significativos. Tradicionalmente, esto se ha hecho a mano, lo cual es lento y puede variar de una persona a otra. Dos investigadores podrían anotar la misma imagen de manera diferente, lo que lleva a resultados inconsistentes y grandes márgenes de error.

Este proceso se vuelve aún más complejo cuando se implican grandes conjuntos de datos. Para obtener información confiable, a menudo es necesario analizar miles de imágenes, lo que puede llevar semanas o incluso meses utilizando métodos manuales. Además de eso, las variaciones en el contraste, el ruido y las estructuras superpuestas hacen que el proceso sea aún más difícil.

Para los investigadores que pretenden estudiar la evolución microestructural o seguir los cambios a lo largo del tiempo, estos problemas pueden ralentizar la investigación. Theia Scientific reconoció que estas preocupaciones requerían una solución más automatizada y fiable.

Mejora de los flujos de trabajo de microscopía utilizando modelos de Ultralytics YOLO#

Después de explorar diferentes enfoques para automatizar el análisis de datos de microscopia, Theia Scientific vio que los modelos de Ultralytics YOLO ofrecían la velocidad, la precisión y la flexibilidad necesarias para el análisis de imágenes de microscopia en tiempo real, lo que permite obtener resultados cuantitativos instantáneos en el microscopio mientras los experimentos aún están en curso. Los modelos de Ultralytics YOLO como Ultralytics YOLO11 y Ultralytics YOLOv8 admiten tareas de visión artificial como la detección de objetos (identificar y localizar características individuales en una imagen) y la segmentación de instancias (delinear cada característica a nivel de píxel). Estas tareas hacen posible detectar estructuras a nanoescala, como granos y límites, directamente en las imágenes TEM a medida que se capturan.

Fig. 1. Flujo de trabajo actual de análisis de datos e imágenes de microscopia. En última instancia, científicos, ingenieros e investigadores buscan descubrimientos y respuestas al final del flujo de trabajo. Mientras tanto, el flujo de trabajo está desconectado y es laborioso; el tiempo y el esfuerzo relativos necesarios para cada paso se muestran en la parte inferior. La detección de características y la agregación son las etapas que consumen más tiempo en el flujo de trabajo. Las flechas grises que regresan a la adquisición representan la necesidad de volver a adquirir datos porque los datos actuales no son útiles. Fuente: Theia Scientific.

Por ejemplo, en un estudio reciente sobre películas delgadas policristalinas, se utilizaron Theiascope™ y los modelos de Ultralytics YOLO para identificar y medir estructuras de grano que influyen en las propiedades de los materiales utilizados en la electrónica, revestimientos y dispositivos energéticos. Las distribuciones precisas del tamaño de grano son fundamentales para comprender cómo evolucionan estas películas durante los experimentos.

Una de las razones clave por las que los modelos de Ultralytics YOLO son tan efectivos en estos casos de uso es su capacidad para interpolar a través de grandes datasets. En lugar de requerir que cada fotograma de un experimento sea etiquetado, los investigadores pueden anotar solo una pequeña fracción de las imágenes, entrenar un modelo YOLO y luego dejar que analice de forma fiable miles de fotogramas adicionales. Esto hace posible realizar un seguimiento del crecimiento del grano y los cambios en los límites a lo largo de experimentos TEM de lapso de tiempo con una mínima intervención manual.

¿Por qué elegir los modelos Ultralytics YOLO?#

En el estudio sobre películas delgadas policristalinas analizado anteriormente, se descubrió que Ultralytics YOLOv8 es hasta 43 veces más rápido que U‑Net (un modelo utilizado a menudo para el análisis de imágenes científicas). Esta velocidad hace que YOLO sea práctico para el análisis en tiempo real y directamente en el microscopio.

Aunque U‑Net es preciso pero lento, YOLO combina velocidad con precisión, haciendo coincidir las mediciones del tamaño de grano dentro del 3% de la verdad fundamental (ground truth). Su diseño también lo hace más flexible, manejando diferentes escalas y configuraciones de entrenamiento con facilidad. Para los investigadores, esto significa resultados más rápidos sin sacrificar la fiabilidad, lo cual es ideal para acelerar los flujos de trabajo de microscopía.

Fig. 2. En comparación con el trazado manual (b) y U‑Net (c), la segmentación con YOLOv8 (d) proporciona contornos más nítidos y precisos en imágenes de microscopia. (Fuente)

Reducción del sesgo y aumento de la consistencia en la microscopía con YOLO#

A través de la plataforma Theiascope™, Theia Scientific demostró que los modelos de Ultralytics YOLO pueden acelerar el análisis de imágenes de microscopía y los experimentos TEM mientras apoyan la investigación reproducible y a largo plazo. La plataforma está diseñada para ser agnóstica respecto al microscopio, lo que significa que los modelos YOLO se utilizan para analizar imágenes recopiladas de diferentes instrumentos sin requerir tuberías personalizadas. Esta flexibilidad asegura que los flujos de trabajo permanezcan consistentes a través de experimentos, operadores y entornos variados.

La reproducibilidad es otro resultado clave. La investigación científica a menudo requiere que los resultados se revisen y validen años después. Con varios modelos de YOLO integrados en Theiascope™, los investigadores pueden volver a ejecutar modelos más antiguos, como Ultralytics YOLOv5, en conjuntos de datos archivados y obtener resultados consistentes, para luego compararlos directamente con los resultados de modelos más nuevos como Ultralytics YOLO11. Esto hace que la verificación de los hallazgos sea sencilla, incluso a medida que evolucionan los métodos de IA.

Fig 3. La plataforma Theiascope™. Las imágenes de microscopía electrónica se capturan y transmiten desde el ordenador de adquisición a un dispositivo habilitado para GPU que ejecuta una aplicación web, una base de datos de series temporales y los modelos de Ultralytics YOLO. Las actualizaciones y los nuevos modelos de Ultralytics YOLO se pueden enviar a la plataforma con actualizaciones OTA. Fuente: Theia Scientific.

Además, los modelos de Ultralytics YOLO dan a la plataforma la escalabilidad necesaria para manejar grandes datasets. Sus capacidades de inferencia en tiempo real permiten analizar miles de imágenes TEM en el tiempo que llevaría analizar manualmente solo unas pocas. Esto permite a los investigadores seguir procesos dinámicos como el crecimiento del grano a lo largo de experimentos completos, generando nuevos conocimientos y desbloqueando experimentos novedosos tanto a la escala como a la velocidad requeridas para la investigación de vanguardia.

Integración de IA de visión avanzada en herramientas de investigación de próxima generación#

Theia Scientific considera que los modelos de Ultralytics YOLO son la base para el futuro de la microscopia. Al seguir perfeccionando los métodos de entrenamiento y los enfoques de calibración, su objetivo es mejorar aún más la precisión en distintas escalas y condiciones experimentales.

Mirando hacia el futuro, Theia Scientific planea expandir Theiascope™ para admitir experimentos in‑situ más complejos y datasets multimodales. Creen que es probable que la IA de visión se convierta en una parte estándar de los flujos de trabajo de investigación de próxima generación, permitiendo un descubrimiento más rápido y conocimientos más profundos a través de los dominios científicos.

¿Te interesa optimizar los flujos de trabajo de tu empresa? Consulta nuestro repositorio de GitHub para obtener más información sobre la visión artificial. Explora cómo los modelos de YOLO están impulsando innovaciones en áreas como la IA en la salud y la visión artificial en el comercio minorista. Para empezar a trabajar con YOLO de forma práctica, descubre cómo nuestras opciones de licencia pueden respaldar tu visión.