Theia Scientific redéfinit l'analyse des données de microscopie avec les modèles 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, de la microscopie à balayage et de la microscopie optique pour explorer des structures invisibles à l'œil humain. Par exemple, la microscopie électronique à transmission (MET) 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 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 YOLO d'Ultralytics pour automatiser la détection d'images, la segmentation et les mesures quantitatives, rendant ainsi la microscopie plus rapide, plus efficace et plus reproductible.

Explorer le rôle de l'IA 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 le génie logiciel, ils se concentrent sur la réduction des goulots d'étranglement auxquels les scientifiques, les ingénieurs et les chercheurs sont confrontés lorsqu'ils analysent des données d'images complexes. 

Leur produit phare, la plateforme Theiascope™, intègre la vision par ordinateur pour détecter, segmenter et mesurer automatiquement les caractéristiques des images de microscopie électronique. En s'appuyant sur Vision AI 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 obtenues par TEM, sont très détaillées mais difficiles à interpréter. Chaque image contient des centaines, voire des milliers de caractéristiques et de structures fines, telles que les grains et les limites, qui doivent être soigneusement identifiées, annotées, tracées et/ou mesurées pour en extraire des données significatives. Traditionnellement, ce travail est effectué à la main, ce qui est lent et peut varier d'une personne à l'autre. Deux chercheurs peuvent annoter la même image différemment, ce qui entraîne des résultats incohérents et de grandes barres d'erreur.

Ce processus devient encore plus complexe lorsqu'il s'agit de grands ensembles de données. 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. En outre, les variations de contraste, le bruit et les structures qui se chevauchent rendent le processus encore plus difficile.

Pour les chercheurs qui souhaitent étudier l'évolution des microstructures ou suivre les changements dans le temps, ces problèmes peuvent ralentir la recherche. Theia Scientific a reconnu que ces problèmes nécessitaient une solution plus automatisée et plus fiable.

Amélioration des flux de travail en microscopie grâce aux modèles YOLO d'Ultralytics

Après avoir exploré différentes approches pour automatiser l'analyse des données de microscopie, Theia Scientific a constaté que les modèles YOLO d'Ultralytics offraient la vitesse, la précision et la flexibilité nécessaires pour l'analyse d'images de microscopie en temps réel, permettant d'obtenir des résultats quantitatifs instantanés au microscope alors que les expériences sont toujours en cours. Les modèles YOLO d'Ultralytics, comme Ultralytics YOLO11 et Ultralytics YOLOv8, prennent en charge des tâches de vision par ordinateur telles que 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 les structures à l'échelle nanométrique, telles que les grains et les limites, directement dans les images TEM au moment de leur capture.

‍

Par exemple, dans une étude récente sur les films minces polycristallins, les modèles Theiascope™ et Ultralytics YOLO 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 précises de la taille des grains sont essentielles pour comprendre comment ces films évoluent au cours des expériences. 

L'une des principales raisons pour lesquelles les modèles YOLO d'Ultralytics sont si efficaces dans ces cas d'utilisation est leur capacité à interpoler à travers de grands ensembles de données. Au lieu d'exiger que chaque image d'une expérience soit étiquetée, les chercheurs peuvent annoter seulement une petite partie des images, entraîner un modèle YOLO, puis le laisser analyser de manière fiable des milliers d'images supplémentaires. Il est ainsi possible de suivre la croissance des grains et les modifications des limites dans le cadre d'expériences TEM en accéléré, avec un minimum d'interventions manuelles.

Pourquoi choisir les modèles YOLO d'Ultralytics ?

Dans l'étude sur les couches minces polycristallines évoquée plus haut, 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 pratique pour l'analyse en temps réel au microscope. 

Alors que U-Net est précis mais lent, YOLO allie vitesse et précision, en faisant correspondre les mesures de la taille des grains à 3 % près de la vérité de terrain. Sa conception le rend également plus flexible et lui permet de s'adapter facilement à différentes échelles et configurations de formation. 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.

‍

Réduire les biais et améliorer la cohérence en microscopie avec YOLO

Grâce à la plateforme Theiascope™, Theia Scientific a montré que les modèles YOLO d'Ultralytics peuvent accélérer l'analyse d'images de microscopie et les expériences TEM tout en soutenant la recherche reproductible à long terme. La plateforme est conçue pour être agnostique en matière de microscopie, 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 permet de s'assurer que les flux de travail restent cohérents dans le cadre d'expériences, d'opérateurs et d'environnements variés.

La reproductibilité est un autre résultat clé. La recherche scientifique exige souvent que les résultats soient réexaminés et validés des années plus tard. Grâce aux différents modèles YOLO intégrés au Theiascope™, les chercheurs peuvent réexécuter des modèles plus anciens, comme Ultralytics YOLOv5, sur des ensembles de données archivés et obtenir des résultats cohérents, puis les comparer directement avec les résultats de modèles plus récents comme Ultralytics YOLO11. La vérification des résultats est donc simple, même si les méthodes d'intelligence artificielle évoluent.

‍

En outre, les modèles YOLO d'Ultralytics confèrent à la plateforme l'évolutivité nécessaire pour traiter de vastes ensembles de données. 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 quelques-unes. Les chercheurs peuvent ainsi suivre des processus dynamiques tels que la croissance des grains sur l'ensemble des expériences, ce qui leur permet d'obtenir de nouvelles informations et de réaliser de nouvelles expériences à l'échelle et à la vitesse requises pour la recherche de pointe.

Intégrer l'IA visionnaire avancée dans les outils de recherche de nouvelle génération

Theia Scientific considère les modèles Ultralytics YOLO comme la base de l'avenir de la microscopie. En continuant à affiner les méthodes de formation et les approches d'étalonnage, ils visent à améliorer encore la précision à toutes les échelles et dans toutes les conditions expérimentales. 

À l'avenir, Theia Scientific prévoit d'étendre Theiascope™ pour prendre en charge des expériences in situ plus complexes et des ensembles de données multimodales. Ils estiment qu'il est probable que Vision AI devienne un élément standard des flux de travail de recherche de la prochaine génération, permettant une découverte plus rapide et des connaissances plus approfondies dans tous les domaines scientifiques.

Vous souhaitez rationaliser les flux de travail de votre entreprise ? Consultez notre dépôt GitHub pour en savoir plus sur Vision AI. Découvrez comment les modèles YOLO sont à l'origine d'innovations dans des domaines tels que l 'IA dans les soins de santé et la vision par ordinateur dans le commerce de détail. Pour mettre la main sur YOLO, découvrez comment nos options de licence peuvent soutenir votre vision.