Integrando i modelli Ultralytics YOLO nella propria piattaforma, Theia Scientific ha trasformato l’elaborazione dei dati di microscopia, rendendo l’analisi più efficiente e affidabile.
La ricerca scientifica in settori come la scienza dei materiali e la nanotecnologia si affida spesso alla microscopia a particelle cariche, a scansione con sonda e ottica per esplorare strutture invisibili a occhio nudo. Per esempio, la microscopia elettronica a trasmissione (TEM) è uno strumento fondamentale, capace di acquisire dettagli minuti su scala nanometrica e atomica.
Purtroppo, una volta acquisite queste immagini, analizzarle può essere lento e complesso e richiedere spesso un notevole lavoro manuale e competenze specifiche del settore. Per migliorare questo processo, Theia Scientific ha sviluppato Theiascope™, una piattaforma per l’analisi in tempo reale di immagini microscopiche che integra i modelli Ultralytics YOLO per automatizzare il rilevamento, la segmentazione e le misurazioni quantitative delle immagini, rendendo la microscopia più rapida, efficiente e riproducibile.
Esplorare il ruolo della Vision AI nell’imaging scientifico#
Fondata dai fratelli Kevin e Christopher Field, Theia Scientific sviluppa strumenti software avanzati per accelerare la ricerca in microscopia. Grazie a competenze che spaziano dalla scienza dei materiali all’automazione industriale, dall’elettronica all’ingegneria del software, l’azienda si concentra sulla riduzione degli ostacoli che scienziati, ingegneri e ricercatori incontrano nell’analisi di dati di immagini complessi.
Il prodotto di punta dell’azienda, la piattaforma Theiascope™, integra la computer vision per rilevare, segmentare e misurare automaticamente le caratteristiche nelle immagini di microscopia elettronica. Affidandosi alla Vision AI anziché all’annotazione e alla tracciatura manuali, la piattaforma fornisce risultati coerenti e riproducibili.
Perché è difficile analizzare manualmente le immagini microscopiche?#
Le immagini microscopiche, soprattutto quelle acquisite con la TEM, sono molto dettagliate ma difficili da interpretare. Ogni immagine contiene da centinaia a migliaia di caratteristiche e strutture minute, come grani e bordi, che devono essere individuate, annotate, tracciate e/o misurate con attenzione per ricavare dati significativi. Tradizionalmente, queste operazioni sono state svolte a mano, con lentezza e risultati variabili da persona a persona. Due ricercatori potrebbero annotare la stessa immagine in modo diverso, ottenendo risultati incoerenti e ampi margini di errore.
Il processo diventa ancora più complesso quando si lavora con dataset di grandi dimensioni. Per ottenere informazioni affidabili, spesso è necessario analizzare migliaia di immagini, operazione che con i metodi manuali può richiedere settimane o persino mesi. Inoltre, le variazioni di contrasto, il rumore e le strutture sovrapposte rendono il processo ancora più difficile.
Per i ricercatori che vogliono studiare l’evoluzione microstrutturale o seguire i cambiamenti nel tempo, questi problemi possono rallentare la ricerca. Theia Scientific ha riconosciuto la necessità di una soluzione più automatizzata e affidabile.
Migliorare i flussi di lavoro di microscopia con i modelli Ultralytics YOLO#
Dopo aver esplorato diversi approcci per automatizzare l’analisi dei dati di microscopia, Theia Scientific ha constatato che i modelli Ultralytics YOLO offrivano la velocità, l’accuratezza e la flessibilità necessarie per analizzare immagini microscopiche in tempo reale, fornendo risultati quantitativi immediati al microscopio mentre gli esperimenti sono ancora in corso. Modelli Ultralytics YOLO come Ultralytics YOLO11 e Ultralytics YOLOv8 supportano attività di computer vision come il rilevamento degli oggetti (identificazione e localizzazione di singole caratteristiche in un’immagine) e la segmentazione di istanza (tracciamento del contorno di ogni caratteristica a livello di pixel). Queste attività consentono di rilevare strutture su scala nanometrica, come grani e bordi, direttamente nelle immagini TEM durante l’acquisizione.
Fig. 1. Flusso di lavoro attuale per l’analisi delle immagini microscopiche e dei dati. Al termine del flusso di lavoro, scienziati, ingegneri e ricercatori cercano di arrivare a scoperte e risposte. Nel frattempo, il flusso di lavoro è frammentato e laborioso, come mostra in basso il tempo e il lavoro relativi necessari per ogni fase. Il rilevamento e l’aggregazione delle caratteristiche sono le fasi più dispendiose in termini di tempo. Le frecce grigie che tornano all’acquisizione indicano la necessità di riacquisire i dati perché quelli disponibili non sono utili. Fonte: Theia Scientific.
Per esempio, in un recente studio sulle pellicole sottili policristalline, Theiascope™ e i modelli Ultralytics YOLO sono stati usati per identificare e misurare le strutture dei grani che influenzano le proprietà dei materiali impiegati nell’elettronica, nei rivestimenti e nei dispositivi energetici. Distribuzioni accurate delle dimensioni dei grani sono fondamentali per comprendere l’evoluzione di queste pellicole durante gli esperimenti.
Uno dei motivi principali per cui i modelli Ultralytics YOLO sono così efficaci in questi casi d’uso è la loro capacità di interpolare su dataset di grandi dimensioni. Invece di dover etichettare ogni fotogramma di un esperimento, i ricercatori possono annotare solo una piccola parte delle immagini, addestrare un modello YOLO e poi lasciargli analizzare in modo affidabile migliaia di altri fotogrammi. Questo permette di seguire la crescita dei grani e i cambiamenti dei bordi negli esperimenti TEM in time-lapse con un intervento manuale minimo.
Perché scegliere i modelli Ultralytics YOLO?#
Nello studio sulle pellicole sottili policristalline citato in precedenza, è emerso che Ultralytics YOLOv8 era fino a 43 volte più veloce di U‑Net (un modello spesso usato per l’analisi scientifica delle immagini). Questa velocità rende YOLO adatto all’analisi in tempo reale direttamente al microscopio.
U‑Net è accurato ma lento, mentre YOLO abbina la velocità all’accuratezza, misurando le dimensioni dei grani con uno scarto inferiore al 3% rispetto ai valori di riferimento. Il suo design lo rende inoltre più flessibile, permettendogli di gestire facilmente scale e configurazioni di addestramento diverse. Per i ricercatori, questo significa ottenere risultati più rapidamente senza rinunciare all’affidabilità, l’ideale per accelerare i flussi di lavoro di microscopia.
Fig. 2. Rispetto alla tracciatura manuale (b) e a U‑Net (c), la segmentazione di YOLOv8 (d) produce contorni più nitidi e accurati nelle immagini microscopiche. (Fonte)
Ridurre i bias e aumentare la coerenza nella microscopia con YOLO#
Con la piattaforma Theiascope™, Theia Scientific ha dimostrato che i modelli Ultralytics YOLO possono accelerare l’analisi delle immagini microscopiche e gli esperimenti TEM, supportando al contempo una ricerca riproducibile e a lungo termine. La piattaforma è progettata per essere indipendente dal microscopio: i modelli YOLO analizzano immagini acquisite con strumenti diversi senza richiedere pipeline personalizzate. Questa flessibilità garantisce la coerenza dei flussi di lavoro tra esperimenti, operatori e ambienti diversi.
La riproducibilità è un altro risultato fondamentale. La ricerca scientifica richiede spesso di poter riesaminare e convalidare i risultati anche a distanza di anni. Con diversi modelli YOLO integrati in Theiascope™, i ricercatori possono eseguire nuovamente modelli meno recenti come Ultralytics YOLOv5 su dataset archiviati e ottenere risultati coerenti, per poi confrontarli direttamente con quelli di modelli più recenti come Ultralytics YOLO11. Questo semplifica la verifica dei risultati, anche con l’evoluzione dei metodi di AI.
Fig. 3. La piattaforma Theiascope™. Le immagini di microscopia elettronica vengono acquisite e trasmesse dal computer di acquisizione a un dispositivo dotato di GPU che esegue un’applicazione web, un database di serie temporali e i modelli Ultralytics YOLO. Gli aggiornamenti e i nuovi modelli Ultralytics YOLO possono essere distribuiti sulla piattaforma tramite aggiornamenti OTA. Fonte: Theia Scientific.
Inoltre, i modelli Ultralytics YOLO forniscono alla piattaforma la scalabilità necessaria per gestire dataset di grandi dimensioni. Le loro capacità di inferenza in tempo reale consentono di analizzare migliaia di immagini TEM nel tempo che servirebbe per analizzarne manualmente solo poche. Questo permette ai ricercatori di seguire processi dinamici come la crescita dei grani nel corso di interi esperimenti, generando nuove intuizioni e rendendo possibili esperimenti innovativi alla scala e alla velocità richieste dalla ricerca all’avanguardia.
Integrare la Vision AI avanzata negli strumenti di ricerca di nuova generazione#
Theia Scientific considera i modelli Ultralytics YOLO una base per il futuro della microscopia. Continuando a perfezionare i metodi di addestramento e gli approcci alla calibrazione, l’azienda mira a migliorare ulteriormente l’accuratezza a diverse scale e in varie condizioni sperimentali.
In futuro, Theia Scientific prevede di ampliare Theiascope™ per supportare esperimenti in situ più complessi e dataset multimodali. L’azienda ritiene probabile che la Vision AI diventi una componente standard dei flussi di lavoro di ricerca di nuova generazione, consentendo scoperte più rapide e approfondimenti maggiori in diversi ambiti scientifici.
Ti interessa rendere più efficienti i flussi di lavoro della tua azienda? Dai un’occhiata al nostro repository GitHub per saperne di più sulla Vision AI. Scopri come i modelli YOLO promuovono l’innovazione in ambiti come l’AI in ambito sanitario e la computer vision nel commercio al dettaglio. Per provare YOLO in prima persona, scopri come le nostre opzioni di licenza possono supportare i tuoi progetti.
