Theia ScientificがUltralytics YOLOで顕微鏡解析を43倍高速化

材料科学やナノテクノロジーなどの分野における科学研究は、肉眼では見えない構造を探索するために、荷電粒子、走査型プローブ、および光学顕微鏡に依存することがよくあります。例えば、透過型電子顕微鏡（TEM）は、ナノおよび原子スケールで微細な詳細を捉えることができる重要なツールです。

残念ながら、これらの画像が取得された後、その分析は遅く複雑になる可能性があり、多くの手動作業やドメイン専門知識を必要とすることがよくあります。このプロセスを改善するために、Theia ScientificはTheiascope™プラットフォームを開発しました。これは、Ultralytics YOLO modelsを統合して画像検出、セグメンテーション、定量測定を自動化するリアルタイム顕微鏡画像分析システムであり、顕微鏡検査をより速く、より効率的で、再現性の高いものにします。

科学的イメージングにおけるビジョンAIの役割を探る#

Kevin FieldとChristopher Fieldの兄弟によって設立されたTheia Scientificは、顕微鏡研究を加速するための高度なソフトウェアツールを開発しています。材料科学、産業オートメーション、エレクトロニクス、ソフトウェア工学にまたがる専門知識を持ち、科学者、エンジニア、研究者が複雑な画像データを解析する際に直面するボトルネックを削減することに注力しています。

同社の主力製品であるTheiascope™プラットフォームは、computer visionを統合して、電子顕微鏡画像内の特徴を自動的に検出し、セグメンテーションを行い、測定します。手動によるアノテーションやトレースではなくVision AIに依存することで、プラットフォームは一貫性のある再現可能な結果を提供します。

なぜ顕微鏡画像の手動解析は難しいのでしょうか？#

特にTEMで撮影された顕微鏡画像は非常に詳細ですが、解釈が困難です。各画像には、粒界や境界など、意味のあるデータを抽出するために注意深く特定、アノテーション、トレース、および／または測定が必要な数百から数千の微細な特徴や構造が含まれています。従来、これは手作業で行われてきましたが、時間がかかり、人によって結果が異なる可能性があります。同じ画像でも2人の研究者が異なってアノテーションを行うと、結果に一貫性がなくなり、誤差が大きくなる場合があります。

大規模なdatasetsが関与する場合、このプロセスはさらに複雑になります。信頼性の高いインサイトを得るためには、数千枚の画像を分析する必要があることが多く、手動の方法を使用すると数週間または数か月かかる場合があります。その上、コントラスト、ノイズ、およびオーバーラップする構造の変動により、プロセスはさらに困難になります。

微細構造の進化を研究したり、時間の経過に伴う変化を追跡したりする研究者にとって、これらの問題は研究の遅れにつながります。Theia Scientificは、これらの懸念に対処するため、より自動化された信頼性の高いソリューションが必要であると認識しました。

Ultralytics YOLOモデルによる顕微鏡ワークフローの強化#

顕微鏡データ分析を自動化するためのさまざまなアプローチを検討した後、Theia Scientificは、Ultralytics YOLOモデルがリアルタイム顕微鏡画像分析に必要な速度、精度、および柔軟性を提供し、実験の進行中に顕微鏡で即座の定量的結果を可能にすることを見出しました。Ultralytics YOLO11やUltralytics YOLOv8などのUltralytics YOLOモデルは、オブジェクト検出（画像内の個々の特徴の特定と位置特定）やインスタンスセグメンテーション（ピクセルレベルでの各特徴の輪郭抽出）などのコンピュータビジョンタスクをサポートします。これらのタスクにより、TEM画像がキャプチャされるときに、粒子や境界などのナノスケール構造を直接検出することが可能になります。

図1。現在の顕微鏡画像およびデータ分析のワークフロー。科学者、エンジニア、および研究者は、最終的にワークフローの終了時に発見と答えを求めています。一方、ワークフローは分断されて煩雑であり、各ステップに必要な相対的な時間/労力が下部に示されています。特徴検出と集約は、ワークフローの中で最も時間がかかる段階です。取得元に戻る灰色の矢印は、現在のデータが有用ではないため、データを再取得する必要があることを表しています。出典：Theia Scientific。

例えば、polycrystalline thin filmsに関する最近の研究では、Theiascope™とUltralytics YOLOモデルを使用して、エレクトロニクス、コーティング、およびエネルギーデバイスで使用される材料の特性に影響を与える結晶粒構造を特定および測定しました。正確な結晶粒径分布は、これらの膜が実験中にどのように進化するかを理解するために不可欠です。

Ultralytics YOLOモデルがこれらのユースケースで非常に効果的である主な理由の一つは、大規模なデータセット全体で補間を行う能力です。実験のすべてのフレームにラベルを付ける必要はなく、研究者は画像のごく一部にアノテーションを付け、YOLOモデルをトレーニングしてから、数千の追加フレームを確実かつ自動的に解析させることができます。これにより、最小限の手作業で、タイムラプスTEM実験全体を通して粒成長と境界の変化を追跡することが可能になります。

なぜUltralytics YOLOモデルが選ばれるのか#

先述の多結晶薄膜に関する研究では、Ultralytics YOLOv8がU‑Net（科学画像分析によく使用されるモデル）よりも最大43倍高速であることがわかりました。この速度により、YOLOはリアルタイムの顕微鏡上分析に対して実用的になります。

U‑Netは精度が高いものの低速ですが、YOLOは速度と精度を両立させ、粒径測定においてグラウンドトゥルースとの誤差を3%以内に抑えています。また、その設計により柔軟性が高く、さまざまなスケールやトレーニング設定を容易に扱うことができます。研究者にとって、これは信頼性を損なうことなく結果を高速化できることを意味し、顕微鏡ワークフローを加速させるのに理想的です。

図2。手動トレース（b）およびU‑Net（c）と比較して、YOLOv8セグメンテーション（d）は、顕微鏡画像上でよりシャープで正確な輪郭を提供します。（Source）

YOLOを用いた顕微鏡解析におけるバイアスの低減と一貫性の向上#

Theia Scientificは、Theiascope™プラットフォームを通じて、Ultralytics YOLOモデルが顕微鏡画像解析とTEM実験を加速させ、再現性の高い長期的な研究をサポートできることを示しました。このプラットフォームは顕微鏡に依存しないように設計されており、YOLOモデルを使用して、カスタマイズされたパイプラインを必要とせずに異なる機器から収集された画像を解析できます。この柔軟性により、さまざまな実験、オペレーター、環境全体でワークフローの一貫性が維持されます。

再現性はもう1つの重要な成果です。科学研究では、何年か経ってから結果を再訪し、検証する必要があることがよくあります。さまざまなYOLOモデルがTheiascope™に統合されているため、研究者はUltralytics YOLOv5などの古いモデルをアーカイブされたデータセットで再実行し、一貫した出力を取得して、Ultralytics YOLO11などの新しいモデルの結果と直接比較できます。これにより、AIメソッドが進化しても、発見の検証が簡単になります。

図3。Theiascope™プラットフォーム。電子顕微鏡画像はキャプチャされ、取得コンピュータから、ウェブアプリケーション、時系列データベース、およびUltralytics YOLOモデルを実行するGPU搭載デバイスにストリーミングされます。アップデートや新しいUltralytics YOLOモデルは、OTAアップデートでプラットフォームにプッシュできます。ソース: Theia Scientific。

また、Ultralytics YOLOモデルは、プラットフォームに大規模なデータセットを処理するために必要なスケーラビリティを提供します。そのリアルタイム推論機能により、手動でわずか数枚を解析する時間で数千枚のTEM画像を解析できます。これにより、研究者は実験全体を通じて粒成長のような動的なプロセスを追跡し、最先端の研究に必要なスケールと速度の両方で新しい洞察を生成し、新規の実験を解き放つことができます。

高度なビジョンAIを次世代研究ツールに統合#

Theia Scientificは、Ultralytics YOLOモデルを顕微鏡の将来の基礎とみなしています。training方法とキャリブレーションアプローチを継続的に洗練させることにより、スケールや実験条件を問わず精度のさらなる向上を目指しています。

今後、Theia ScientificはTheiascope™を拡張し、より複雑なその場（in-situ）実験やマルチモーダルデータセットをサポートする予定です。彼らは、ビジョンAIが次世代の研究ワークフローの標準的な部分となり、科学分野全体でより迅速な発見とより深い洞察を可能にすると信じています。

企業のワークフローの合理化に興味がありますか？GitHub repositoryをチェックして、Vision AIについて詳しく学んでください。YOLOモデルがAI in healthcareやcomputer vision in retailなどの分野でイノベーションをどのように推進しているかを探求してください。YOLOを実際に体験するために、our licensing optionsがビジョンをどのようにサポートできるかを発見してください。