Theia Scientific redefine el análisis de datos de microscopía con los modelos YOLO de Ultralytics

La investigación científica en campos como la ciencia de los materiales y la nanotecnología a menudo depende de la microscopía óptica, de sonda de barrido y de partículas cargadas para explorar estructuras invisibles al ojo humano. Por ejemplo, la microscopía electrónica de transmisión (TEM) 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, a menudo requiriendo 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 microscopía en tiempo real que integra modelos Ultralytics YOLO para automatizar la detección de imágenes, la segmentación y las mediciones cuantitativas, lo que hace que la microscopía sea más rápida, eficiente y reproducible.

Explorando el papel de la IA de visión en la imagen 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 los 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 estrella, la plataforma Theiascope™, integra la visión artificial para detectar, segmentar y medir automáticamente características en imágenes de microscopía electrónica. Al confiar en la Visión IA en lugar de la anotación y el trazado manual, la plataforma proporciona resultados consistentes y reproducibles.

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

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 identificarse, anotarse, trazarse y/o medirse cuidadosamente para extraer datos significativos. Tradicionalmente, esto se ha hecho a mano, lo cual es lento y puede variar de persona a persona. Dos investigadores podrían anotar la misma imagen de manera diferente, lo que lleva a resultados inconsistentes y grandes barras de error.

Este proceso se vuelve aún más complejo cuando se involucran 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 realizar un seguimiento de 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 mediante el uso de modelos Ultralytics YOLO

Después de explorar diferentes enfoques para automatizar el análisis de datos de microscopía, Theia Scientific descubrió que los modelos Ultralytics YOLO ofrecían la velocidad, precisión y flexibilidad necesarias para el análisis de imágenes de microscopía en tiempo real, lo que permitía obtener resultados cuantitativos instantáneos en el microscopio mientras los experimentos aún están en curso. Los modelos 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 permiten detectar estructuras a nanoescala, como granos y límites, directamente en imágenes TEM a medida que se capturan.

‍

Por ejemplo, en un estudio reciente sobre películas delgadas policristalinas, los modelos Theiascope™ y Ultralytics YOLO se utilizaron para identificar y medir las estructuras de grano que influyen en las propiedades de los materiales utilizados en 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 principales razones por las que los modelos Ultralytics YOLO son tan eficaces en estos casos de uso es su capacidad para interpolar a través de grandes conjuntos de datos. En lugar de requerir que se etiquete cada fotograma de un experimento, 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 rastrear el crecimiento del grano y los cambios de los límites a través de experimentos TEM de lapso de tiempo con una entrada manual mínima.

¿Por qué elegir los modelos YOLO de Ultralytics?

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

Mientras que U‑Net es preciso pero lento, YOLO combina velocidad con precisión, haciendo coincidir las mediciones del tamaño del grano con un margen del 3% de la verdad fundamental. 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.

‍

Reduciendo el sesgo y aumentando la consistencia en la microscopía con YOLO

A través de la plataforma Theiascope™, Theia Scientific demostró que los modelos YOLO de Ultralytics pueden acelerar el análisis de imágenes de microscopía y los experimentos TEM, al tiempo que respaldan la investigación reproducible a largo plazo. La plataforma está diseñada para ser independiente del microscopio, lo que significa que los modelos YOLO se utilizan para analizar imágenes recopiladas de diferentes instrumentos sin necesidad de canalizaciones personalizadas. Esta flexibilidad asegura que los flujos de trabajo sigan siendo consistentes a través de variados experimentos, operadores y entornos.

La reproducibilidad es otro resultado clave. La investigación científica a menudo requiere que los resultados se revisen y validen años después. Con varios modelos 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, y luego compararlos directamente con los resultados de modelos más nuevos como Ultralytics YOLO11. Esto facilita la verificación de los hallazgos, incluso a medida que evolucionan los métodos de IA.

‍

Además, los modelos YOLO de Ultralytics proporcionan a la plataforma la escalabilidad necesaria para manejar grandes conjuntos de datos. 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 de los granos a través de experimentos completos, generando nuevos conocimientos y desbloqueando nuevos experimentos tanto a la escala como a la velocidad requeridas para la investigación de vanguardia.

Integración de la Visión Artificial avanzada en las herramientas de investigación de última generación

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

De cara al futuro, Theia Scientific planea expandir Theiascope™ para dar soporte a experimentos in situ más complejos y conjuntos de datos 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, lo que permitirá un descubrimiento más rápido y conocimientos más profundos en todos los dominios científicos.

¿Está interesado en optimizar los flujos de trabajo de su empresa? Consulte nuestro repositorio de GitHub para obtener más información sobre Vision AI. Explore cómo los modelos YOLO están impulsando innovaciones en áreas como la IA en la atención sanitaria y la visión artificial en el comercio minorista. Para experimentar con YOLO, descubra cómo nuestras opciones de licencia pueden respaldar su visión.