Theia Scientific社は、Ultralytics YOLOモデルで顕微鏡データ分析を再定義します

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では、人間の目には見えない構造を調査するために、帯電粒子、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。たとえば、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、これらの画像を取得した後、その分析は時間がかかり、複雑になる可能性があり、多くの場合、多大な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に、Theia Scientificは、Ultralytics YOLOモデルを統合して画像の検出、セグメンテーション、定量的な測定を自動化し、顕微鏡検査をより迅速、効率的、かつ再現性のあるものにするリアルタイム顕微鏡画像解析システムである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Vision AIの役割を探る

Kevin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、およびソフトウェアエンジニアリングにわたる専門知識を持ち、科学者、エンジニア、および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減らすことに焦点を当てています。 

彼らの主力製品であるTheiascope™プラットフォームは、コンピュータビジョンを統合して、電子顕微鏡画像内の特徴を自動的に検出、セグメント化、および測定します。手動のアノテーションとトレースではなく、ビジョン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すか？

顕微鏡画像、特にTEMで撮影された画像は非常に詳細ですが、解釈が困難です。各画像には、意味のあるデータを抽出するために、慎重に識別、注釈付け、トレース、および／または測定する必要がある、何百から何千もの微細な特徴と構造（粒子や境界など）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、人によって異なる場合があります。2人の研究者が同じ画像に異なる注釈を付ける可能性があり、一貫性のない結果と大きな誤差が生じます。

大規模なデータセットが関係する場合、このプロセスはさらに複雑になります。信頼できる洞察を得るには、数千枚の画像を分析する必要があることが多く、手動の方法では数週間から数か月かかることがあります。さらに、コントラスト、ノイズ、構造の重複などの変動により、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、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、これらの問題は研究を遅らせる可能性があります。Theia Scientificは、これらの懸念がより自動化された信頼性の高いソリューションを必要とすることを認識しました。

Ultralytics YOLOモデルを使用した顕微鏡ワークフローの強化

Theia Scientific社は、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結果、Ultralytics YOLOモデルが、リアルタイムの顕微鏡画像分析に必要な速度、精度、柔軟性を提供し、実験の進行中に顕微鏡で瞬時に定量的な結果を得られることを確認しました。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を識別して位置を特定する）やインスタンスセグメンテーション（各特徴をピクセルレベルでアウトライン化する）などのコンピュータビジョンタスクをサポートしています。これらのタスクにより、TEM画像でナノスケールの構造（粒子や境界など）をキャプチャ時に直接検出することが可能になります。

‍

例えば、最近の多結晶薄膜に関する研究では、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 YOLOモデルがこれらのユースケースで非常に効果的な主な理由の1つは、大規模なデータセット全体で補間できることです。研究者は、実験のすべてのフレームにラベルを付ける必要はなく、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て、数千の追加フレームを確実に分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、タイムラプスのTEM実験全体で粒子の成長と境界の変化を追跡できます。

Ultralytics YOLOモデルを選ぶ理由

先に述べた多結晶薄膜の研究では、Ultralytics YOLOv8はU-Net（科学的な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はリアルタイムのオン顕微鏡分析に実用的です。 

U-Netは正確ですが低速であるのに対し、YOLOは速度と精度を兼ね備えており、穀物サイズの測定値を真値の3%以内に一致させます。その設計により、異なるスケールやトレーニング設定にも容易に対応できる、より柔軟なものとなっています。研究者にとって、これは信頼性を犠牲にすることなく、より迅速な結果が得られることを意味し、顕微鏡ワークフローの加速に理想的です。

‍

YOLOによる顕微鏡検査におけるバイアス低減と一貫性の向上

Theiascope™プラットフォームを通じて、Theia Scientificは、Ultralytics YOLOモデルが、再現性のある長期的な研究をサポートしながら、顕微鏡画像分析とTEM実験を加速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います。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せずに、さまざまな機器から収集された画像を分析するために使用されます。この柔軟性により、ワークフローはさまざまな実験、オペレーター、および環境で一貫性を保つことができます。

再現性も重要な成果です。科学研究では、結果を再検討し、数年後に検証する必要があることがよくあります。Theiascope™に統合されたさまざまなYOLOモデルを使用することで、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、一貫した出力を得て、Ultralytics YOLO11のような新しいモデルの結果と直接比較できます。これにより、AI手法が進化しても、調査結果の検証が簡単になります。

‍

また、Ultralytics YOLOモデルは、プラットフォームに大規模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。リアルタイム推論機能により、手動ではごくわずかしか分析できない時間で、数千ものTEM画像を分析できます。これにより、研究者は実験全体にわたる結晶粒成長のような動的プロセスを追跡し、最先端の研究に必要な規模と速度で、新たな洞察を生み出し、革新的な実験を可能にします。

次世代の研究ツールへの高度なVision AIの統合

Theia Scientific社は、Ultralytics YOLOモデルを顕微鏡の未来の基盤と見なしています。トレーニング方法とキャリブレーションアプローチを継続的に改善することで、スケールと実験条件全体で精度をさらに向上させることを目指しています。 

今後、Theia ScientificはTheiascope™を拡張し、より複雑なin-situ実験と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、Vision AIが次世代の研究ワークフローの標準的な一部となり、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考えています。

御社のワークフローの効率化にご興味がありますか？当社のGitHubリポジトリをチェックして、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推進しているかをご覧ください。YOLOを実際に体験するには、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確認ください。