Integrando i modelli Ultralytics YOLO nella sua piattaforma, Theia Scientific ha trasformato il modo in cui vengono elaborati i dati di microscopia, rendendo l'analisi più efficiente e affidabile.
La ricerca scientifica in ambiti 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, in grado di acquisire dettagli su scala nanometrica e atomica.
Purtroppo, una volta acquisite queste immagini, analizzarle può essere lento e complesso e spesso richiede un notevole lavoro manuale e competenze specifiche. Per migliorare questo processo, Theia Scientific ha sviluppato la piattaforma Theiascope™, un sistema di analisi delle immagini microscopiche 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 rapida, efficiente e riproducibile.
Esplorare il ruolo dell'IA per la visione nell'imaging scientifico#
Fondata dai fratelli Kevin e Christopher Field, Theia Scientific sviluppa strumenti software avanzati per accelerare la ricerca nel campo della microscopia. Grazie a competenze che spaziano dalla scienza dei materiali all'automazione industriale, dall'elettronica all'ingegneria del software, si concentra sulla riduzione dei colli di bottiglia che scienziati, ingegneri e ricercatori incontrano nell'analisi di dati visivi 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. Basandosi sull'IA per la visione anziché sull'annotazione e sul tracciamento manuali, la piattaforma fornisce risultati coerenti e riproducibili.
Perché le immagini microscopiche sono difficili da analizzare manualmente?#
Le immagini microscopiche, soprattutto quelle acquisite con 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 identificate, annotate, tracciate e/o misurate con attenzione per estrarre dati significativi. Tradizionalmente, questa operazione veniva eseguita a mano: è lenta e può variare da una persona all'altra. Due ricercatori potrebbero annotare la stessa immagine in modo diverso, generando risultati incoerenti e ampi margini di errore.
Questo processo diventa ancora più complesso quando sono coinvolti grandi dataset. Per ottenere risultati affidabili, spesso è necessario analizzare migliaia di immagini, un'operazione che con i metodi manuali può richiedere settimane o persino mesi. Inoltre, le variazioni di contrasto e rumore e le strutture sovrapposte rendono il processo ancora più difficile.
Per i ricercatori che intendono studiare l'evoluzione microstrutturale o monitorare 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 della 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 l'analisi delle immagini microscopiche in tempo reale, consentendo di ottenere 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 delle singole caratteristiche in un'immagine) e la segmentazione delle istanze (delimitazione di ogni caratteristica a livello di pixel). Queste attività permettono di rilevare strutture su scala nanometrica, come grani e bordi, direttamente nelle immagini TEM mentre vengono acquisite.
Fig. 1. Flusso di lavoro attuale per l'acquisizione e l'analisi di immagini e dati microscopici. Al termine del flusso di lavoro, scienziati, ingegneri e ricercatori cercano in definitiva nuove scoperte e risposte. Nel frattempo, il flusso di lavoro è frammentato e laborioso; in basso è indicato il tempo/lavoro relativo necessario 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 rappresentano la necessità di riacquisire i dati perché quelli correnti non sono utili. Fonte: Theia Scientific.
Ad esempio, in uno studio recente sui film sottili policristallini, Theiascope™ e i modelli Ultralytics YOLO sono stati utilizzati 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 come questi film 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 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 fotogrammi aggiuntivi. Ciò consente di monitorare la crescita dei grani e i cambiamenti dei bordi nel tempo durante gli esperimenti TEM time-lapse, con un intervento manuale minimo.
Perché scegliere i modelli Ultralytics YOLO?#
Nello studio sui film sottili policristallini citato in precedenza, è emerso che Ultralytics YOLOv8 era fino a 43 volte più veloce di U‑Net (un modello spesso utilizzato per l'analisi di immagini scientifiche). Questa velocità rende YOLO adatto all'analisi in tempo reale direttamente al microscopio.
U‑Net è accurato ma lento, mentre YOLO combina velocità e accuratezza, ottenendo misurazioni delle dimensioni dei grani entro il 3% del valore 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 risultati più rapidi senza sacrificare l'affidabilità, una caratteristica ideale per accelerare i flussi di lavoro della microscopia.
Fig. 2. Rispetto al tracciamento manuale (b) e a U‑Net (c), la segmentazione con YOLOv8 (d) fornisce contorni più netti e accurati nelle immagini microscopiche. (Fonte)
Ridurre i bias e aumentare 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 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 vengono utilizzati per analizzare immagini acquisite da strumenti diversi senza richiedere pipeline personalizzate. Questa flessibilità garantisce la coerenza dei flussi di lavoro in esperimenti, con operatori e ambienti diversi.
La riproducibilità è un altro risultato fondamentale. La ricerca scientifica richiede spesso che i risultati vengano riesaminati e convalidati anche anni dopo. Grazie ai diversi modelli YOLO integrati in Theiascope™, i ricercatori possono eseguire nuovamente modelli meno recenti come Ultralytics YOLOv5 su dataset archiviati e ottenere output coerenti, per poi confrontarli direttamente con i risultati di modelli più recenti come Ultralytics YOLO11. In questo modo verificare i risultati è semplice, anche con l'evoluzione dei metodi di IA.
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. Aggiornamenti e nuovi modelli Ultralytics YOLO possono essere inviati alla piattaforma tramite aggiornamenti OTA. Fonte: Theia Scientific.
Inoltre, i modelli Ultralytics YOLO forniscono 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 necessario per analizzarne manualmente solo alcune. Ciò permette ai ricercatori di seguire processi dinamici come la crescita dei grani durante interi esperimenti, generando nuove conoscenze e rendendo possibili esperimenti innovativi alla scala e alla velocità richieste dalla ricerca all'avanguardia.
Integrare l'IA per la visione 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 di calibrazione, punta a migliorare ulteriormente l'accuratezza su scale e condizioni sperimentali diverse.
In futuro, Theia Scientific prevede di ampliare Theiascope™ per supportare esperimenti in situ più complessi e dataset multimodali. L'azienda ritiene probabile che l'IA per la visione diventi una componente standard dei flussi di lavoro di ricerca di nuova generazione, consentendo scoperte più rapide e conoscenze più approfondite in tutti gli ambiti scientifici.
Vuoi semplificare i flussi di lavoro della tua azienda? Dai un'occhiata al nostro repository GitHub per saperne di più sull'IA per la visione. Scopri come i modelli YOLO stanno promuovendo l'innovazione in ambiti come l'IA nel settore sanitario e la computer vision nel retail. Per usare YOLO in prima persona, scopri come le nostre opzioni di licenza possono supportare la tua visione.
