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

La recherche scientifique dans des domaines comme la science des matériaux et la nanotechnologie dépend souvent de la microscopie électronique, à sonde locale et optique pour explorer des structures invisibles à l'œil nu. Par exemple, la microscopie électronique en transmission (TEM) est un outil clé, capable de capturer des détails fins à l'échelle nanométrique et atomique.

Malheureusement, une fois ces images acquises, leur analyse peut être lente et complexe, nécessitant souvent un effort manuel important et une expertise métier. Pour améliorer ce processus, Theia Scientific a développé la plateforme Theiascope™, un système d'analyse d'images en microscopie en temps réel qui intègre des modèles Ultralytics YOLO pour automatiser la détection d'images, la segmentation et les mesures quantitatives, rendant la microscopie plus rapide, plus efficace et reproductible.

Link to this sectionExplorer 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 vision par ordinateur pour détecter, segmenter et mesurer automatiquement les caractéristiques dans les images de microscopie électronique. En s'appuyant sur l'IA de vision plutôt que sur l'annotation et le traçage manuels, la plateforme fournit des résultats cohérents et reproductibles.

Link to this sectionPourquoi 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 perspectives 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 le processus encore plus difficile.

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.

Link to this sectionAméliorer 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 modèles Ultralytics YOLO offraient la vitesse, la précision et la flexibilité nécessaires à l'analyse d'images en microscopie en temps réel, permettant des résultats quantitatifs instantanés 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 comme la détection d'objets (identification et localisation de caractéristiques individuelles dans une image) et la segmentation d'instances (délimitation de chaque caractéristique au niveau du pixel). Ces tâches permettent de détecter des structures nanométriques, telles que des grains et des limites, directement dans les images TEM au moment où elles sont capturées.

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, avec le temps/travail relatif nécessaire pour chaque étape indiqué en bas. La détection de caractéristiques et l'agrégation sont les étapes les plus chronophages du flux de travail. Les flèches grises pointant vers l'acquisition représentent la nécessité de ré-acquérir des données car les données actuelles ne sont pas utiles. Source : Theia Scientific.

Par exemple, dans une étude récente sur les films minces polycristallins, Theiascope™ et les modèles Ultralytics YOLO ont été utilisés pour identifier et mesurer les structures granulaires qui influencent les propriétés des matériaux utilisés dans l'électronique, les revêtements et les dispositifs énergétiques. Des distributions précises de la taille des grains 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.

Link to this sectionPourquoi choisir les modèles Ultralytics YOLO ?#

Dans l'étude sur les films minces polycristallins évoquée plus haut, 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 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)

Link to this sectionRéduire 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 nécessite souvent que les résultats soient revisités et validés des années plus tard. Avec divers modèles YOLO intégrés à Theiascope™, les chercheurs peuvent relancer d'anciens modèles 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 conclusions 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.

Link to this sectionIntégrer une IA de vision avancée dans des outils de recherche de nouvelle génération#

Theia Scientific considère les modèles Ultralytics YOLO comme une base pour l'avenir de la microscopie. En continuant d'affiner les méthodes d'entraînement et les approches de calibrage, ils visent à améliorer davantage 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.

Envie de rationaliser les flux de travail de ton entreprise ? Consulte notre dépôt GitHub pour en savoir plus sur l'IA de vision. Découvre comment les modèles YOLO stimulent les innovations dans des domaines comme l'IA dans la santé et la vision par ordinateur dans la vente au détail. Pour prendre en main YOLO, découvre comment nos options de licence peuvent soutenir ta vision.