En intégrant les modèles Ultralytics YOLO à sa plateforme, Theia Scientific a transformé le traitement des données de microscopie, rendant l’analyse plus efficace et plus fiable.
Dans des domaines comme la science des matériaux et les nanotechnologies, la recherche scientifique s’appuie souvent sur la microscopie par particules chargées, à sonde locale et optique pour étudier des structures invisibles à l’œil nu. Par exemple, la microscopie électronique en transmission (TEM) est un outil essentiel, capable de capturer des détails fins à l’échelle nanométrique et atomique.
Malheureusement, une fois les images acquises, leur analyse peut être lente et complexe et nécessiter beaucoup de travail manuel ainsi qu’une expertise du domaine. Pour améliorer ce processus, Theia Scientific a développé la plateforme Theiascope™, un système d’analyse d’images de microscopie en temps réel qui intègre les modèles Ultralytics YOLO pour automatiser la détection, la segmentation et les mesures quantitatives d’images, rendant la microscopie plus rapide, plus efficace et reproductible.
Explorer le rôle de la Vision AI dans l’imagerie scientifique#
Fondée par les frères Kevin et Christopher Field, Theia Scientific développe des outils logiciels avancés pour accélérer la recherche en microscopie. Grâce à son expertise en science des matériaux, en automatisation industrielle, en électronique et en génie logiciel, l’entreprise s’attache à réduire les goulots d’étranglement auxquels les scientifiques, les ingénieurs et les chercheurs sont confrontés lorsqu’ils analysent des données d’images complexes.
Son produit phare, la plateforme Theiascope™, intègre la vision par ordinateur pour détecter, segmenter et mesurer automatiquement les caractéristiques présentes dans les images de microscopie électronique. En s’appuyant sur la Vision AI plutôt que sur l’annotation et le traçage manuels, la plateforme produit des résultats cohérents et reproductibles.
Pourquoi est-il difficile d’analyser manuellement les images de microscopie ?#
Les images de microscopie, en particulier celles obtenues par TEM, sont très détaillées, mais difficiles à interpréter. Chaque image contient des centaines, voire des milliers, de caractéristiques et de structures fines, comme des grains et des joints, qu’il faut soigneusement identifier, annoter, tracer et/ou mesurer pour extraire des données pertinentes. Traditionnellement, ce travail est effectué à la main, ce qui prend du temps et peut varier d’une personne à l’autre. Deux chercheurs peuvent annoter différemment la même image, ce qui entraîne des résultats incohérents et de grandes barres d’erreur.
Le processus se complique encore lorsque de grands ensembles de données sont concernés. Pour obtenir des informations fiables, il faut souvent analyser des milliers d’images, ce qui peut prendre des semaines, voire des mois, avec des méthodes manuelles. À cela s’ajoutent les variations de contraste, le bruit et le chevauchement des structures, qui rendent l’analyse encore plus difficile.
Pour les chercheurs qui souhaitent étudier l’évolution microstructurale ou suivre les changements au fil du temps, ces difficultés peuvent ralentir les travaux. Theia Scientific a reconnu qu’il fallait une solution plus automatisée et plus fiable.
Améliorer les flux de travail de microscopie avec les modèles Ultralytics YOLO#
Après avoir étudié différentes approches pour automatiser l’analyse des données de microscopie, Theia Scientific a constaté que les modèles Ultralytics YOLO offraient la vitesse, la précision et la flexibilité nécessaires à l’analyse d’images de microscopie en temps réel, avec des résultats quantitatifs immédiats au microscope, pendant que les expériences sont encore en cours. Les modèles Ultralytics YOLO comme Ultralytics YOLO11 et Ultralytics YOLOv8 prennent en charge des tâches de vision par ordinateur telles que la détection d’objets (identifier et localiser chaque caractéristique dans une image) et la segmentation d’instances (délimiter chaque caractéristique au niveau du pixel). Ces tâches permettent de détecter des structures à l’échelle nanométrique, comme les grains et les joints, directement dans les images TEM au moment de leur acquisition.
Fig. 1. Flux de travail actuel pour l’analyse des images et des données de microscopie. À la fin du processus, les scientifiques, les ingénieurs et les chercheurs cherchent avant tout à faire des découvertes et à obtenir des réponses. Le flux de travail est toutefois morcelé et laborieux ; le temps et la main-d’œuvre relatifs nécessaires à chaque étape sont indiqués en bas. La détection et l’agrégation des caractéristiques sont les étapes les plus longues du processus. Les flèches grises qui reviennent à l’acquisition représentent la nécessité de réacquérir les données lorsque les données actuelles ne sont pas exploitables. Source : Theia Scientific.
Par exemple, dans une récente étude sur les couches minces polycristallines, Theiascope™ et les modèles Ultralytics YOLO ont servi à identifier et à mesurer des structures granulaires qui influencent les propriétés des matériaux utilisés en électronique, dans les revêtements et dans les dispositifs énergétiques. Une distribution précise de la taille des grains est essentielle pour comprendre l’évolution de ces couches pendant les expériences.
L’une des principales raisons de l’efficacité des modèles Ultralytics YOLO dans ces cas d’usage est leur capacité à interpoler sur de grands ensembles de données. Au lieu d’annoter chaque image d’une expérience, les chercheurs peuvent n’en annoter qu’une petite fraction, entraîner un modèle YOLO, puis lui confier l’analyse fiable de milliers d’images supplémentaires. Il devient ainsi possible de suivre la croissance des grains et l’évolution des joints au fil d’expériences TEM en accéléré, avec une intervention manuelle minimale.
Pourquoi choisir les modèles Ultralytics YOLO ?#
Dans l’étude sur les couches minces polycristallines mentionnée précédemment, Ultralytics YOLOv8 s’est révélé jusqu’à 43 fois plus rapide que U‑Net, un modèle souvent utilisé pour l’analyse d’images scientifiques. Cette vitesse rend YOLO adapté à l’analyse en temps réel directement au microscope.
U‑Net est précis, mais lent ; YOLO allie vitesse et précision, avec des mesures de taille des grains qui ne diffèrent pas de plus de 3 % de la vérité terrain. Sa conception le rend également plus flexible, car il s’adapte facilement à différentes échelles et configurations d’entraînement. Les chercheurs obtiennent ainsi des résultats plus rapidement sans sacrifier la fiabilité, ce qui est idéal pour accélérer les flux de travail en microscopie.
Fig. 2. Par rapport au traçage manuel (b) et à U‑Net (c), la segmentation par YOLOv8 (d) produit des contours plus nets et plus précis sur les images de microscopie. (Source)
Réduire les biais et améliorer la cohérence des analyses de microscopie avec YOLO#
Avec la plateforme Theiascope™, Theia Scientific a montré que les modèles Ultralytics YOLO peuvent accélérer l’analyse des images de microscopie et les expériences TEM tout en favorisant des recherches reproductibles à long terme. La plateforme est conçue pour fonctionner avec tous les microscopes : les modèles YOLO analysent des images provenant de différents instruments sans nécessiter de pipelines personnalisés. Cette flexibilité garantit la cohérence des flux de travail entre des expériences, des opérateurs et des environnements variés.
La reproductibilité est un autre résultat essentiel. Les résultats de la recherche scientifique doivent souvent être réexaminés et validés des années plus tard. Avec différents modèles YOLO intégrés à Theiascope™, les chercheurs peuvent réexécuter d’anciens modèles comme Ultralytics YOLOv5 sur des ensembles de données archivés et obtenir des résultats cohérents, puis les comparer directement à ceux de modèles plus récents comme Ultralytics YOLO11. La vérification des résultats est ainsi simple, même à mesure que les méthodes d’IA évoluent.
Fig. 3. La plateforme Theiascope™. Les images de microscopie électronique sont acquises et transmises depuis l’ordinateur d’acquisition vers un appareil équipé d’un GPU qui exécute une application Web, une base de données de séries temporelles et les modèles Ultralytics YOLO. Des mises à jour et de nouveaux modèles Ultralytics YOLO peuvent être déployés sur la plateforme via des mises à jour OTA. Source : Theia Scientific.
Les modèles Ultralytics YOLO confèrent également à la plateforme la capacité de monter en charge pour traiter de grands ensembles de données. Grâce à l’inférence en temps réel, des milliers d’images TEM peuvent être analysées pendant le temps qu’il faudrait pour en examiner manuellement quelques-unes. Les chercheurs peuvent ainsi suivre des processus dynamiques, comme la croissance des grains, pendant des expériences entières, générant de nouvelles connaissances et ouvrant la voie à des expériences inédites, à l’échelle et à la vitesse nécessaires à la recherche de pointe.
Intégrer une Vision AI avancée aux outils de recherche de nouvelle génération#
Theia Scientific considère les modèles Ultralytics YOLO comme un fondement de l’avenir de la microscopie. En continuant d’affiner les méthodes d’entraînement et les approches d’étalonnage, l’entreprise entend améliorer encore la précision, quelles que soient l’échelle et les conditions expérimentales.
À l’avenir, Theia Scientific prévoit d’étendre Theiascope™ afin de prendre en charge des expériences in situ plus complexes et des ensembles de données multimodaux. L’entreprise estime que la Vision AI deviendra probablement un élément standard des flux de travail de recherche de nouvelle génération, permettant des découvertes plus rapides et des analyses plus approfondies dans tous les domaines scientifiques.
Tu souhaites simplifier les flux de travail de ton entreprise ? Consulte notre dépôt GitHub pour en savoir plus sur la Vision AI. Découvre comment les modèles YOLO stimulent l’innovation dans des domaines comme l’IA dans le secteur de la santé et la vision par ordinateur dans le commerce de détail. Pour mettre YOLO en pratique, découvre comment nos options de licence peuvent répondre à tes besoins.
