Theia Scientific accélère l'analyse par microscopie 43x avec Ultralytics YOLO

La recherche scientifique dans des domaines tels que la science des matériaux et la nanotechnologie dépend souvent de la microscopie à particules chargées, à sonde à balayage et optique pour explorer des structures invisibles à l'œil nu. Par exemple, la microscopie électronique à transmission (MET) est un outil clé, capable de capturer des détails fins à l'échelle nano et atomique.

Malheureusement, une fois ces images acquises, leur analyse peut être lente et complexe, nécessitant souvent un effort manuel important et une expertise dans le 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 Ultralytics YOLO models pour automatiser la détection, la segmentation et les mesures quantitatives des images, rendant la microscopie plus rapide, plus efficace et reproductible.

Explorer le rôle de l'IA de vision 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. Avec une expertise couvrant la science des matériaux, l'automatisation industrielle, l'électronique et l'ingénierie logicielle, ils se concentrent sur la réduction des goulots d'étranglement auxquels les scientifiques, ingénieurs et chercheurs sont confrontés lors de l'analyse de données d'images complexes.

Leur produit phare, la plateforme Theiascope™, intègre la computer vision pour détecter, segmenter et mesurer automatiquement des caractéristiques dans les images de microscopie électronique. En s'appuyant sur l'IA visuelle plutôt que sur l'annotation et le traçage manuels, la plateforme fournit des résultats cohérents et reproductibles.

Pourquoi les images de microscopie sont-elles difficiles à analyser manuellement ?#

Les images de microscopie, en particulier celles capturées par TEM, sont très détaillées mais difficiles à interpréter. Chaque image contient des centaines, voire des milliers de caractéristiques et structures fines, telles que des grains et des limites, qui doivent être soigneusement identifiées, annotées, tracées et/ou mesurées pour extraire des données significatives. Traditionnellement, cela est fait à la main, ce qui est lent et peut varier d'une personne à l'autre. Deux chercheurs pourraient annoter la même image différemment, entraînant des résultats incohérents et d'importantes barres d'erreur.

Ce processus devient encore plus complexe lorsque de grands datasets sont impliqués. Pour obtenir des informations fiables, des milliers d'images doivent souvent être analysées, ce qui peut prendre des semaines, voire des mois avec des méthodes manuelles. De plus, les variations de contraste, le bruit et les structures qui se chevauchent rendent la tâche encore plus ardue.

Pour les chercheurs souhaitant étudier l'évolution microstructurale ou suivre les changements au fil du temps, ces problèmes peuvent ralentir la recherche. Theia Scientific a reconnu que ces préoccupations nécessitaient une solution plus automatisée et fiable.

Améliorer les flux de travail en microscopie à l'aide des modèles Ultralytics YOLO#

Après avoir exploré différentes approches pour automatiser l'analyse des données de microscopie, Theia Scientific a constaté que les Ultralytics YOLO models offraient la vitesse, la précision et la flexibilité nécessaires pour l'analyse d'images de microscopie en temps réel, permettant des résultats quantitatifs instantanés au microscope pendant que les expériences sont toujours en cours. Les Ultralytics YOLO models tels que Ultralytics YOLO11 et Ultralytics YOLOv8 prennent en charge des tâches de computer vision telles que la détection d'objets (identification et localisation de caractéristiques individuelles dans une image) et la segmentation d'instance (contour de chaque caractéristique au niveau du pixel). Ces tâches permettent de détecter des structures à l'échelle nanométrique, telles que les grains et les limites, directement dans les images MET au fur et à mesure de leur capture.

Fig 1. Flux de travail actuel d'analyse d'images et de données de microscopie. Les scientifiques, ingénieurs et chercheurs recherchent finalement des découvertes et des réponses à la fin du flux de travail. Pendant ce temps, le flux de travail est décousu et laborieux, le temps et le travail relatifs nécessaires pour chaque étape étant indiqués en bas. La détection et l'agrégation des caractéristiques sont les étapes les plus chronophages du flux de travail. Les flèches grises menant à l'acquisition représentent la nécessité de réacquérir des données parce que les données actuelles ne sont pas utiles. Source : Theia Scientific.

Par exemple, dans une étude récente sur les polycrystalline thin films, le Theiascope™ et les Ultralytics YOLO models ont été utilisés pour identifier et mesurer les structures de grains qui influencent les propriétés des matériaux utilisés dans l'électronique, les revêtements et les dispositifs énergétiques. Des distributions de taille de grains précises sont essentielles pour comprendre comment ces films évoluent au cours des expériences.

L'une des raisons principales pour lesquelles les modèles Ultralytics YOLO sont si efficaces dans ces cas d'utilisation est leur capacité à interpoler sur de grands datasets. Au lieu de demander à ce que chaque image d'une expérience soit étiquetée, les chercheurs peuvent annoter seulement une petite fraction des images, entraîner un modèle YOLO, puis le laisser analyser de manière fiable des milliers d'images supplémentaires. Cela permet de suivre la croissance des grains et les changements de limites lors d'expériences TEM en accéléré avec un minimum d'intervention manuelle.

Pourquoi choisir les modèles Ultralytics YOLO ?#

Dans l'étude sur les films minces polycristallins mentionnée précédemment, Ultralytics YOLOv8 s'est avéré jusqu'à 43 fois plus rapide que U‑Net (un modèle souvent utilisé pour l'analyse d'images scientifiques). Cette vitesse rend YOLO pratique pour une analyse en temps réel directement au microscope.

Alors que U-Net est précis mais lent, YOLO combine vitesse et précision, faisant correspondre les mesures de taille de grain à moins de 3 % de la vérité terrain. Sa conception le rend également plus flexible, gérant facilement différentes échelles et configurations d'entraînement. Pour les chercheurs, cela signifie des résultats plus rapides 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 YOLOv8 (d) fournit des contours plus nets et plus précis sur les images de microscopie. (Source)

Réduire les biais et renforcer la cohérence en microscopie avec YOLO#

Grâce à la plateforme Theiascope™, Theia Scientific a montré que les modèles Ultralytics YOLO peuvent accélérer l'analyse d'images de microscopie et les expériences TEM tout en soutenant une recherche reproductible à long terme. La plateforme est conçue pour être indépendante du microscope, ce qui signifie que les modèles YOLO sont utilisés pour analyser des images collectées à partir de différents instruments sans nécessiter de pipelines personnalisés. Cette flexibilité garantit que les flux de travail restent cohérents entre les diverses expériences, les opérateurs et les environnements.

La reproductibilité est un autre résultat clé. La recherche scientifique exige souvent que les résultats soient réexaminés et validés des années plus tard. Avec divers modèles YOLO intégrés dans le Theiascope™, les chercheurs peuvent réexécuter des modèles plus anciens tels que Ultralytics YOLOv5 sur des datasets archivés et obtenir des sorties cohérentes, puis les comparer directement avec les résultats de modèles plus récents comme Ultralytics YOLO11. Cela rend la vérification des découvertes simple, même à mesure que les méthodes d'IA évoluent.

Fig 3. La plateforme Theiascope™. Les images de microscopie électronique sont capturées et diffusées depuis l'ordinateur d'acquisition vers un appareil compatible GPU exécutant une application Web, une base de données de séries chronologiques et les modèles Ultralytics YOLO. Les mises à jour et les nouveaux modèles Ultralytics YOLO peuvent être poussés vers la plateforme via des mises à jour OTA. Source : Theia Scientific.

De plus, les modèles Ultralytics YOLO confèrent à la plateforme l'évolutivité nécessaire pour traiter de grands datasets. Leurs capacités d'inférence en temps réel permettent d'analyser des milliers d'images TEM dans le temps qu'il faudrait pour en analyser manuellement seulement quelques-unes. Cela permet aux chercheurs de suivre des processus dynamiques comme la croissance des grains tout au long d'expériences complètes, générant de nouvelles perspectives et débloquant des expériences inédites à l'échelle et à la vitesse requises pour la recherche de pointe.

Intégrer une IA de vision avancée dans des outils de recherche de nouvelle génération#

Theia Scientific considère les Ultralytics YOLO models comme une base pour l'avenir de la microscopie. En continuant à affiner les méthodes de training et les approches d'étalonnage, ils visent à améliorer encore la précision à travers les échelles et les conditions expérimentales.

À l'avenir, Theia Scientific prévoit d'étendre Theiascope™ pour prendre en charge des expériences in-situ plus complexes et des datasets multimodaux. Ils pensent qu'il est probable que l'IA de vision devienne une partie standard des flux de travail de recherche de nouvelle génération, permettant des découvertes plus rapides et des perspectives plus approfondies dans les domaines scientifiques.

Tu souhaites rationaliser les flux de travail de ton entreprise ? Consulte notre GitHub repository pour en savoir plus sur l'IA visuelle. Découvre comment les modèles YOLO stimulent les innovations dans des domaines tels que l'AI in healthcare et le computer vision in retail. Pour te familiariser avec YOLO, découvre comment our licensing options peuvent soutenir ta vision.