Theia Scientific, Ultralytics YOLO로 현미경 분석 속도 43배 향상

재료 과학 및 나노 기술과 같은 분야의 과학 연구는 종종 육안으로 볼 수 없는 구조를 탐색하기 위해 하전 입자, 주사 탐침 및 광학 현미경에 의존합니다. 예를 들어, 투과 전자 현미경(TEM)은 나노 및 원자 단위에서 미세한 세부 사항을 캡처할 수 있는 핵심 도구입니다.

안타깝게도 일단 이미지를 획득하면 이를 분석하는 과정은 느리고 복잡하며, 많은 수작업과 전문 지식이 필요한 경우가 많습니다. 이 과정을 개선하기 위해 Theia Scientific은 Ultralytics YOLO 모델을 통합하여 이미지 탐지, 세그멘테이션 및 정량적 측정을 자동화함으로써 현미경 분석을 더 빠르고 효율적이며 재현 가능하게 만드는 실시간 현미경 이미지 분석 시스템인 Theiascope™ 플랫폼을 개발했습니다.

Link to this section과학적 이미징에서 비전 AI의 역할 탐구#

Kevin Field와 Christopher Field 형제가 설립한 Theia Scientific은 현미경 연구를 가속화하기 위한 고급 소프트웨어 도구를 개발합니다. 재료 과학, 산업 자동화, 전자 공학 및 소프트웨어 공학에 걸친 전문 지식을 바탕으로 과학자, 엔지니어 및 연구원들이 복잡한 이미지 데이터를 분석할 때 직면하는 병목 현상을 줄이는 데 집중하고 있습니다.

이들의 주력 제품인 Theiascope™ 플랫폼은 컴퓨터 비전을 통합하여 전자 현미경 이미지의 특징을 자동으로 탐지, 세그먼트화 및 측정합니다. 수동 주석이나 추적 대신 비전 AI에 의존함으로써 플랫폼은 일관되고 재현 가능한 결과를 제공합니다.

Link to this section현미경 이미지를 수동으로 분석하기 어려운 이유는 무엇일까요?#

특히 TEM으로 캡처한 현미경 이미지는 매우 상세하지만 해석하기 어렵습니다. 각 이미지에는 의미 있는 데이터를 추출하기 위해 주의 깊게 식별, 주석 달기, 추적 및/또는 측정해야 하는 수백에서 수천 개의 미세한 특징과 구조(예: 입자 및 경계)가 포함되어 있습니다. 전통적으로 이 작업은 수작업으로 이루어졌는데, 이는 느리고 사람마다 결과가 다를 수 있습니다. 두 연구원이 동일한 이미지에 대해 서로 다른 주석을 달 수 있으며, 이는 일관되지 않은 결과와 큰 오차 막대로 이어집니다.

이 과정은 대규모 데이터셋이 포함될 때 더욱 복잡해집니다. 신뢰할 수 있는 통찰력을 얻으려면 수천 개의 이미지를 분석해야 하는 경우가 많은데, 수동 방식을 사용하면 몇 주 또는 몇 달이 걸릴 수 있습니다. 게다가 대비, 노이즈, 겹치는 구조의 변화는 이 과정을 더욱 어렵게 만듭니다.

미세 구조 변화를 연구하거나 시간 경과에 따른 변화를 추적하려는 연구원들에게 이러한 문제는 연구 속도를 늦출 수 있습니다. Theia Scientific은 이러한 문제에 더 자동화되고 신뢰할 수 있는 솔루션이 필요하다는 점을 인식했습니다.

Link to this sectionUltralytics YOLO 모델을 사용한 현미경 워크플로우 강화#

현미경 데이터 분석 자동화를 위한 다양한 접근 방식을 탐색한 후, Theia Scientific은 Ultralytics YOLO 모델이 실시간 현미경 이미지 분석에 필요한 속도, 정확도 및 유연성을 제공하여 실험이 진행되는 동안 현미경에서 즉각적인 정량적 결과를 얻을 수 있게 한다는 점을 확인했습니다. Ultralytics YOLO11 및 Ultralytics YOLOv8과 같은 Ultralytics YOLO 모델은 객체 탐지(이미지 내 개별 특징 식별 및 위치 파악)와 인스턴스 세그멘테이션(픽셀 단위로 각 특징 외곽선 추출)과 같은 컴퓨터 비전 작업을 지원합니다. 이러한 작업을 통해 TEM 이미지에서 나노 규모 구조(예: 입자 및 경계)를 캡처하는 즉시 감지할 수 있습니다.

그림 1. 현재의 현미경 이미지 및 데이터 분석 워크플로우. 과학자, 엔지니어 및 연구원들은 결국 워크플로우의 끝에서 발견과 답을 찾고 있습니다. 한편, 이 워크플로우는 단절되고 노동 집약적이며, 각 단계에 필요한 상대적 시간/노동력이 하단에 표시되어 있습니다. 특징 탐지(Feature Detection)와 집계는 워크플로우에서 가장 시간이 많이 소요되는 단계입니다. 획득 단계로 돌아가는 회색 화살표는 현재 데이터가 유용하지 않아 데이터를 재획득해야 함을 나타냅니다. 출처: Theia Scientific.

예를 들어, 최근 다결정 박막에 관한 연구에서 Theiascope™와 Ultralytics YOLO 모델을 사용하여 전자 장치, 코팅 및 에너지 장치에 사용되는 재료의 특성에 영향을 미치는 입자 구조를 식별하고 측정했습니다. 정확한 입자 크기 분포는 실험 중에 이러한 박막이 어떻게 진화하는지 이해하는 데 매우 중요합니다.

Ultralytics YOLO 모델이 이러한 유스케이스에서 매우 효과적인 핵심 이유 중 하나는 대규모 데이터셋 전체에서 보간(interpolate)하는 능력입니다. 실험의 모든 프레임에 라벨을 지정할 필요 없이 연구원은 소수의 이미지만 주석을 달고 YOLO 모델을 학습시킨 다음, 수천 개의 추가 프레임을 안정적으로 분석하게 할 수 있습니다. 이를 통해 최소한의 수동 입력으로 타임랩스 TEM 실험 전반에 걸쳐 입자 성장 및 경계 변화를 추적할 수 있습니다.

Link to this section왜 Ultralytics YOLO 모델인가?#

앞서 논의한 다결정 박막 연구에서 Ultralytics YOLOv8은 (과학적 이미지 분석에 자주 사용되는 모델인) U‑Net보다 최대 43배 더 빠른 것으로 나타났습니다. 이러한 속도 덕분에 YOLO는 실시간 현미경 분석에 매우 실용적입니다.

U‑Net은 정확하지만 속도가 느린 반면, YOLO는 속도와 정확도를 결합하여 입자 크기 측정을 실제 값(ground truth)의 3% 이내로 일치시킵니다. 또한 그 설계 덕분에 다양한 규모와 학습 설정을 쉽게 처리할 수 있어 유연성도 뛰어납니다. 연구원들에게 이는 신뢰성을 희생하지 않으면서 더 빠른 결과를 얻을 수 있음을 의미하며, 이는 현미경 워크플로우를 가속화하는 데 이상적입니다.

그림 2. 수동 추적(b) 및 U‑Net(c)과 비교했을 때, YOLOv8 세그멘테이션(d)은 현미경 이미지에서 더 선명하고 정확한 외곽선을 제공합니다. (출처)

Link to this sectionYOLO를 통한 현미경 분석의 편향 감소 및 일관성 향상#

Theia Scientific은 Theiascope™ 플랫폼을 통해 Ultralytics YOLO 모델이 현미경 이미지 분석 및 TEM 실험을 가속화하는 동시에 재현 가능한 장기 연구를 지원할 수 있음을 입증했습니다. 이 플랫폼은 현미경 종류에 관계없이 작동하도록 설계되었으며, 이는 커스텀 파이프라인 없이도 다양한 장비에서 수집된 이미지를 분석하는 데 YOLO 모델이 사용됨을 의미합니다. 이러한 유연성 덕분에 다양한 실험, 운영자 및 환경 전반에 걸쳐 워크플로우가 일관되게 유지됩니다.

재현성은 또 다른 핵심 성과입니다. 과학 연구는 종종 수년 후에 결과를 다시 검토하고 검증해야 합니다. Theiascope™에 통합된 다양한 YOLO 모델을 통해 연구원들은 아카이브된 데이터셋에서 Ultralytics YOLOv5와 같은 구형 모델을 다시 실행하여 일관된 출력을 얻을 수 있으며, 이를 Ultralytics YOLO11과 같은 최신 모델의 결과와 직접 비교할 수 있습니다. AI 방법이 발전하더라도 결과를 검증하는 것이 간단해집니다.

그림 3. Theiascope™ 플랫폼. 전자 현미경 이미지는 획득 컴퓨터에서 캡처되어 웹 애플리케이션, 시계열 데이터베이스 및 Ultralytics YOLO 모델을 실행하는 GPU 지원 장치로 스트리밍됩니다. 업데이트 및 새로운 Ultralytics YOLO 모델은 OTA 업데이트를 통해 플랫폼에 푸시될 수 있습니다. 출처: Theia Scientific.

또한 Ultralytics YOLO 모델은 플랫폼에 대규모 데이터셋을 처리하는 데 필요한 확장성을 제공합니다. 실시간 추론 기능을 통해 몇 개를 수동으로 분석하는 시간에 수천 개의 TEM 이미지를 분석할 수 있습니다. 이를 통해 연구원들은 전체 실험에 걸쳐 입자 성장과 같은 동적 프로세스를 추적할 수 있으며, 최첨단 연구에 필요한 규모와 속도로 새로운 통찰력을 창출하고 혁신적인 실험을 수행할 수 있습니다.

Link to this section차세대 연구 도구에 고급 비전 AI 통합#

Theia Scientific은 Ultralytics YOLO 모델이 미래 현미경 기술의 기반이라고 생각합니다. 학습 방법과 보정 방식을 지속적으로 개선함으로써 다양한 규모와 실험 조건에서 정확도를 더욱 향상시키는 것을 목표로 합니다.

앞으로 Theia Scientific은 Theiascope™를 확장하여 더 복잡한 현장 내(in‑situ) 실험 및 다중 모드 데이터셋을 지원할 계획입니다. 그들은 비전 AI가 차세대 연구 워크플로우의 표준이 되어 과학 도메인 전반에 걸쳐 더 빠른 발견과 더 깊은 통찰력을 가능하게 할 것이라고 믿습니다.

기업의 워크플로우를 간소화하는 데 관심이 있으십니까? 비전 AI에 대해 자세히 알아보려면 당사의 GitHub 저장소를 확인하십시오. YOLO 모델이 의료 AI 및 소매업의 컴퓨터 비전과 같은 분야에서 어떻게 혁신을 주도하고 있는지 살펴보십시오. YOLO를 직접 경험해보려면 당사의 라이선스 옵션이 귀사의 비전을 어떻게 지원할 수 있는지 확인하십시오.