Theia Scientific accelera l'analisi microscopica di 43 volte con Ultralytics YOLO

La ricerca scientifica in settori come la scienza dei materiali e la nanotecnologia dipende spesso dalla microscopia a particelle cariche, a scansione di sonda e ottica per esplorare strutture invisibili all'occhio umano. Ad esempio, la Microscopia Elettronica a Trasmissione (TEM) è uno strumento fondamentale, capace di catturare dettagli precisi su scala nano e atomica.

Sfortunatamente, una volta acquisite queste immagini, analizzarle può essere lento e complesso, richiedendo spesso un notevole sforzo manuale e competenze nel settore. Per migliorare questo processo, Theia Scientific ha sviluppato la piattaforma Theiascope™, un sistema di analisi delle immagini al microscopio in tempo reale che integra i modelli Ultralytics YOLO per automatizzare il rilevamento, la segmentazione e le misurazioni quantitative delle immagini, rendendo la microscopia più veloce, più efficiente e riproducibile.

Link to this sectionEsplorare 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. Con competenze che spaziano dalla scienza dei materiali all'automazione industriale, dall'elettronica all'ingegneria del software, si concentrano sulla riduzione dei colli di bottiglia che scienziati, ingegneri e ricercatori affrontano durante l'analisi di dati complessi.

Il loro prodotto di punta, la piattaforma Theiascope™, integra la computer vision per rilevare, segmentare e misurare automaticamente le caratteristiche nelle immagini di microscopia elettronica. Affidandosi alla Vision AI invece dell'annotazione e del tracciamento manuale, la piattaforma fornisce risultati coerenti e riproducibili.

Link to this sectionPerché le immagini al microscopio sono difficili da analizzare manualmente?#

Le immagini al microscopio, specialmente quelle catturate con TEM, sono molto dettagliate ma difficili da interpretare. Ogni immagine contiene da centinaia a migliaia di caratteristiche e strutture fini, come grani e confini, che devono essere attentamente identificate, annotate, tracciate e/o misurate per estrarre dati significativi. Tradizionalmente, questo lavoro viene fatto a mano, il che è lento e può variare da persona a persona. Due ricercatori potrebbero annotare la stessa immagine in modo diverso, portando a risultati incoerenti e ampi margini di errore.

Questo processo diventa ancora più complesso quando sono coinvolti grandi datasets. Per ottenere intuizioni affidabili, spesso è necessario analizzare migliaia di immagini, il che può richiedere settimane o persino mesi utilizzando metodi manuali. Inoltre, le variazioni di contrasto, il rumore e le strutture sovrapposte rendono il processo ancora più difficile.

Per i ricercatori che mirano a studiare l'evoluzione microstrutturale o a monitorare i cambiamenti nel tempo, questi problemi possono rallentare la ricerca. Theia Scientific ha riconosciuto che queste preoccupazioni richiedevano una soluzione più automatizzata e affidabile.

Link to this sectionMigliorare i flussi di lavoro di microscopia utilizzando i modelli Ultralytics YOLO#

Dopo aver esplorato diversi approcci per automatizzare l'analisi dei dati di microscopia, Theia Scientific ha notato che i modelli Ultralytics YOLO offrivano la velocità, la precisione e la flessibilità necessarie per l'analisi delle immagini al microscopio in tempo reale, consentendo risultati quantitativi istantanei al microscopio mentre gli esperimenti sono ancora in corso. I modelli Ultralytics YOLO come Ultralytics YOLO11 e Ultralytics YOLOv8 supportano attività di computer vision come l'object detection (identificazione e localizzazione di singole caratteristiche in un'immagine) e l'instance segmentation (delineazione di ogni caratteristica a livello di pixel). Queste attività rendono possibile rilevare strutture su scala nanometrica, come grani e confini, direttamente nelle immagini TEM mentre vengono acquisite.

Fig 1. Flusso di lavoro attuale per l'analisi di immagini e dati di microscopia. Scienziati, ingegneri e ricercatori cercano in definitiva scoperta e risposte alla fine del flusso di lavoro. Nel frattempo, il flusso di lavoro è frammentato e laborioso, con il tempo/lavoro relativo necessario per ogni fase mostrato in basso. Il rilevamento delle caratteristiche e l'aggregazione sono le fasi che richiedono più tempo nel flusso di lavoro. Le frecce grigie che riportano all'acquisizione rappresentano la necessità di riacquisire i dati perché quelli attuali non sono utili. Fonte: Theia Scientific.

Ad esempio, in un recente studio su polycrystalline thin films, Theiascope™ e i modelli Ultralytics YOLO sono stati utilizzati per identificare e misurare strutture a grano che influenzano le proprietà dei materiali utilizzati in elettronica, rivestimenti e dispositivi energetici. Distribuzioni accurate delle dimensioni dei grani sono fondamentali per capire come questi film si evolvono 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 grandi dataset. Invece di richiedere che ogni fotogramma in un esperimento venga etichettato, i ricercatori possono annotare solo una piccola frazione di immagini, addestrare un modello YOLO e poi lasciarlo analizzare in modo affidabile migliaia di fotogrammi aggiuntivi. Ciò rende possibile monitorare la crescita dei grani e le variazioni dei confini durante gli esperimenti TEM time-lapse con un input manuale minimo.

Link to this sectionPerché scegliere i modelli Ultralytics YOLO?#

Nello studio sui film sottili policristallini discusso in precedenza, Ultralytics YOLOv8 si è rivelato fino a 43 volte più veloce di U-Net (un modello spesso utilizzato per l'analisi di immagini scientifiche). Questa velocità rende YOLO pratico per l'analisi in tempo reale al microscopio.

Mentre U-Net è preciso ma lento, YOLO combina velocità e precisione, facendo corrispondere le misurazioni delle dimensioni dei grani entro il 3% della ground truth. Il suo design lo rende anche più flessibile, gestendo diverse scale e configurazioni di addestramento con facilità. Per i ricercatori, questo significa risultati più rapidi senza sacrificare l'affidabilità, il che è ideale per accelerare i flussi di lavoro di microscopia.

Fig 2. Rispetto al tracciamento manuale (b) e a U-Net (c), la segmentazione YOLOv8 (d) fornisce contorni più nitidi e accurati sulle immagini al microscopio. (Fonte)

Link to this sectionRidurre i bias e migliorare la coerenza nella microscopia con YOLO#

Attraverso la piattaforma Theiascope™, Theia Scientific ha dimostrato che i modelli Ultralytics YOLO possono accelerare l'analisi delle immagini al microscopio e gli esperimenti TEM, supportando al contempo una ricerca riproducibile a lungo termine. La piattaforma è progettata per essere indipendente dal microscopio, il che significa che i modelli YOLO vengono utilizzati per analizzare le immagini raccolte da strumenti diversi senza richiedere pipeline personalizzate. Questa flessibilità assicura che i flussi di lavoro rimangano coerenti tra esperimenti, operatori e ambienti diversi.

La riproducibilità è un altro risultato chiave. La ricerca scientifica spesso richiede che i risultati vengano rivisitati e convalidati anni dopo. Con vari modelli YOLO integrati in Theiascope™, i ricercatori possono rieseguire modelli più vecchi come Ultralytics YOLOv5 su dataset archiviati e ottenere output coerenti, confrontandoli poi direttamente con i risultati di modelli più recenti come Ultralytics YOLO11. Ciò rende la verifica delle scoperte semplice, anche man mano che i metodi AI si evolvono.

Fig 3. La piattaforma Theiascope™. Le immagini di microscopia elettronica vengono catturate e trasmesse dal computer di acquisizione a un dispositivo abilitato per 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 inviati alla piattaforma con aggiornamenti OTA. Fonte: Theia Scientific.

Inoltre, i modelli Ultralytics YOLO conferiscono alla piattaforma la scalabilità necessaria per gestire grandi dataset. Le loro capacità di inferenza in tempo reale consentono di analizzare migliaia di immagini TEM nel tempo che occorrerebbe per analizzarne manualmente solo poche. Ciò consente ai ricercatori di seguire processi dinamici come la crescita dei grani durante interi esperimenti, generando nuove intuizioni e sbloccando esperimenti inediti alla scala e alla velocità richieste per la ricerca all'avanguardia.

Link to this sectionIntegrare Vision AI avanzata in strumenti di ricerca di nuova generazione#

Theia Scientific vede i modelli Ultralytics YOLO come una base per il futuro della microscopia. Continuando a perfezionare i metodi di addestramento e gli approcci di calibrazione, mirano a migliorare ulteriormente la precisione su scale e condizioni sperimentali diverse.

Guardando al futuro, Theia Scientific prevede di espandere Theiascope™ per supportare esperimenti in-situ più complessi e dataset multimodali. Credono che sia probabile che la Vision AI diventi una parte standard dei flussi di lavoro di ricerca di prossima generazione, consentendo scoperte più rapide e intuizioni più profonde in tutti i domini scientifici.

Sei interessato a ottimizzare i flussi di lavoro della tua azienda? Dai un'occhiata al nostro repository GitHub per saperne di più sulla Vision AI. Esplora come i modelli YOLO stanno guidando le innovazioni in aree come AI in healthcare e computer vision in retail. Per familiarizzare con YOLO, scopri come le nostre opzioni di licenza possono supportare la tua visione.