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。 

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detect、segment、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track 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ができることを知りました。Ultralytics YOLO モデル Ultralytics YOLO11やUltralytics YOLOv8 ようなUltralytics YOLOv8 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detect 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 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track ことが可能になる。

なぜUltralytics 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 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 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る。様々なYOLO モデルがTheiascope™に統合されているため、研究者は以下のような古いモデルを再実行することができます。 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 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ダイナミックなプロセスを追跡し、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。

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。

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。