Theia Scientific、Ultralytics YOLOモデルで顕微鏡データ解析を再定義

材料科学やナノテクノロジーなどの分野にわたる科学研究は、人間の目には見えない構造を探るために、荷電粒子顕微鏡、走査型プローブ顕微鏡、光学顕微鏡を利用することが多い。例えば、透過型電子顕微鏡（TEM）は、ナノスケールや原子スケールの微細なディテールを捉えることができる重要なツールである。

残念なことに、これらの画像を取得した後の解析には時間がかかり、複雑で、多くの場合、手作業と専門知識が必要です。このプロセスを強化するため、Theia Scientificは、Ultralytics YOLOモデルを統合し、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解析システム、Theiascope™プラットフォームを開発しました。

科学的イメージングにおけるビジョンAIの役割を探る

ケビン・フィールドとクリストファー・フィールドの兄弟によって設立されたTheia Scientific社は、顕微鏡研究を加速させる高度なソフトウェア・ツールを開発している。材料科学、産業オートメーション、電子工学、ソフトウェア工学にまたがる専門知識を持つ彼らは、科学者、エンジニア、研究者が複雑な画像データを分析する際に直面するボトルネックを軽減することに注力している。 

同社の主力製品であるTheiascope™プラットフォームは、コンピュータビジョンを統合し、電子顕微鏡画像の特徴を自動的に検出、分割、測定する。手作業による注釈やトレースではなく、ビジョンAIに頼ることで、このプラットフォームは一貫した再現性のある結果を提供する。

なぜ顕微鏡画像は手作業での解析が難しいのか？

顕微鏡画像、特にTEMで撮影された画像は非常に詳細であるが、その解釈は難しい。各画像には、粒や境界などの微細な特徴や構造が数百から数千個含まれており、意味のあるデータを抽出するためには、それらを注意深く識別し、注釈を付け、トレースし、測定しなければならない。従来、この作業は手作業で行われてきたが、時間がかかり、また人によって異なることもある。2人の研究者が同じ画像に異なる注釈を付けることもあり、一貫性のない結果や大きなエラーバーにつながります。

大規模なデータセットを扱う場合、このプロセスはさらに複雑になる。信頼できる知見を得るためには、何千枚もの画像を分析する必要があるが、手作業では数週間から数ヶ月かかることもある。その上、コントラストのばらつき、ノイズ、構造の重なりが、このプロセスをさらに難しくしている。

微細構造の進化を研究したり、経時的な変化を追跡したりすることを目的とする研究者にとって、このような問題は研究を遅らせる可能性がある。Theia Scientific社は、このような懸念から、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ていました。

Ultralytics YOLOモデルを用いた顕微鏡ワークフローの強化

顕微鏡データ解析を自動化するための様々なアプローチを検討した結果、Theia Scientificは、Ultralytics YOLOモデルがリアルタイムの顕微鏡画像解析に必要なスピード、精度、柔軟性を提供し、実験が進行中であっても顕微鏡で即座に定量的な結果を得ることを可能にすることを知りました。UltralyticsYOLO11やUltralytics YOLOv8のようなUltralytics YOLOモデルは、物体検出（画像内の個々の特徴を識別し、位置を特定する）やインスタンス分割（各特徴をピクセルレベルでアウトライン化する）のような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、粒や境界などのナノスケールの構造を、撮影されたTEM画像から直接検出することが可能になります。

‍

例えば、多結晶薄膜に関する最近の研究では、Theiascope™とUltralytics YOLOモデルが、エレクトロニクス、コーティング、エネルギーデバイスに使用される材料の特性に影響を与える結晶粒構造の同定と測定に使用されました。正確な粒度分布は、これらの薄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のYOLOモデルがこのような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を補間する能力である。実験中のすべてのフレームにラベルを付ける必要がない代わりに、研究者は画像のごく一部に注釈を付け、YOLOモデルをトレーニングし、さらに何千ものフレームを確実に解析させることができます。これにより、最小限の手動入力で、タイムラプスTEM実験全体の粒成長や境界の変化を追跡することが可能になる。

なぜウルトラリティクスのYOLOモデルを選ぶのか？

先に述べた多結晶薄膜の研究では、Ultralytics YOLOv8は、U-Net（科学的画像解析によく使われるモデル）よりも最大43倍高速であることが判明した。このスピードにより、YOLOは顕微鏡上でのリアルタイム分析に実用的なものとなっている。 

U-Netは正確だが時間がかかるが、YOLOはスピードと正確さを兼ね備えており、粒度測定値を地上真実の3％以内に一致させる。また、YOLOの設計はより柔軟で、異なるスケールやトレーニング・セットアップに容易に対応できる。研究者にとっては、信頼性を犠牲にすることなく、より速い結果が得られるということであり、顕微鏡ワークフローを加速させるのに理想的である。

‍

YOLOで顕微鏡検査のバイアスを減らし、一貫性を高める

Theia Scientific社は、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実験を加速し、再現性のある長期的な研究をサポートすることを明らかにした。このプラットフォームは顕微鏡にとらわれないように設計されている。つまり、YOLOモデルは、カスタマイズされたパイプラインを必要とすることなく、異なる装置から収集された画像を解析するために使用される。この柔軟性により、様々な実験、オペレーター、環境においても一貫したワークフローを維持することができます。

再現性も重要な成果である。科学研究においては、数年後に結果を再検討し、検証することがしばしば要求されます。様々なYOLOモデルがTheiascope™に統合されているため、研究者はUltralytics YOLOv5のような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、一貫性のある出力を得て、Ultralytics YOLO11のような新しいモデルの結果と直接比較することができます。これにより、AIの手法が進化しても、発見を簡単に検証することができます。

‍

また、UltralyticsのYOLOモデルは、大規模なデータセットを扱うために必要なスケーラビリティをプラットフォームに与えている。そのリアルタイム推論機能により、手作業でわずか数枚を分析するのにかかる時間で、数千枚のTEM画像を分析することができる。これにより研究者は、実験全体にわたって粒成長のような動的プロセスを追跡し、新たな洞察を生み出し、最先端研究に必要なスケールとスピードの両方で新しい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組み込む

Theia Scientific社は、UltralyticsのYOLOモデルを、顕微鏡の未来に向けた基盤として捉えている。トレーニング方法とキャリブレーションアプローチを改良し続けることで、スケールや実験条件を超えて精度をさらに向上させることを目指している。 

今後、Theia Scientific社はTheiascope™を拡大し、より複雑な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ある。同社は、Vision AIが次世代研究ワークフローの標準的な一部となり、科学的領域全体にわたって、より迅速な発見とより深い洞察を可能にすると確信している。

あなたの会社のワークフローを合理化することに興味がありますか？ GitHub リポジトリでVision AI の詳細をご覧ください。YOLOモデルが、ヘルスケアにおけるAIや 小売業におけるコンピュータビジョンなどの分野で、どのようにイノベーションを促進しているかをご覧ください。YOLOを実際に使ってみるには、当社のライセンスオプションがお客様のビジョンをどのようにサポートできるかをご覧ください。