Theia Scientific, Ultralytics YOLO로 현미경 분석 속도 43배 향상

재료 과학 및 나노기술 같은 분야의 과학 연구는 종종 인간의 눈으로 볼 수 없는 구조를 탐색하기 위해 하전 입자, 주사 프로브 및 광학 현미경에 의존합니다. 예를 들어, 투과전자현미경(TEM)은 나노 및 원자 규모에서 미세한 디테일을 포착할 수 있는 핵심 도구입니다.

안타깝게도 이러한 이미지가 획득된 후 분석하는 과정은 느리고 복잡할 수 있으며, 상당한 수작업과 도메인 전문성이 필요한 경우가 많습니다. 이 프로세스를 개선하기 위해 Theia Scientific은 이미지 검출, 세분화 및 정량적 측정을 자동화하여 현미경 분석을 더 빠르고 효율적이며 재현 가능하게 만드는 Ultralytics YOLO 모델을 통합한 실시간 현미경 이미지 분석 시스템인 Theiascope™ 플랫폼을 개발했습니다.

과학적 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 대표 제품인 Theiascope™ 플랫폼은 컴퓨터 비전을 통합하여 전자 현미경 이미지의 피처를 자동으로 검출, 세분화 및 측정합니다. 수동 주석 및 트레이싱 대신 Vision AI를 활용함으로써, 이 플랫폼은 일관되고 재현 가능한 결과를 제공합니다.

현미경 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 인사이트를 얻으려면 수천 개의 이미지를 분석해야 하는 경우가 많은데, 수동 방식을 사용하면 몇 주 또는 몇 달이 걸릴 수 있습니다. 게다가 명암, 노이즈, 겹치는 구조의 변동성으로 인해 과정이 더욱 어려워집니다.

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.

Ultralytics YOLO 모델을 사용한 현미경 워크플로우 강화#

현미경 데이터 분석을 자동화하기 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 도출할 수 있음을 확인했습니다. Ultralytics YOLO11 및 Ultralytics YOLOv8 같은 Ultralytics YOLO 모델은 객체 검출(이미지 내 개별 피처 식별 및 위치 파악) 및 인스턴스 세분화(픽셀 수준에서 각 피처 윤곽선 지정)와 같은 컴퓨터 비전 작업을 지원합니다. 이러한 작업을 통해 TEM 이미지가 캡처되는 즉시 결정립 및 경계와 같은 나노스케일 구조를 직접 검출할 수 있습니다.

그림 1. 현재의 현미경 이미지 및 데이터 분석 워크플로. 과학자, 엔지니어, 연구원은 궁극적으로 워크플로의 끝에서 발견과 해답을 찾고자 합니다. 한편 워크플로는 단절되고 번거로우며, 각 단계에 필요한 상대적인 시간과 노동력이 하단에 표시되어 있습니다. 피처 검출과 집계는 워크플로에서 가장 시간이 많이 소요되는 단계입니다. 획득 단계로 다시 이어지는 회색 화살표는 현재 데이터가 유용하지 않아 데이터를 다시 획득해야 함을 나타냅니다. 출처: Theia Scientific.

예를 들어, 다결정 박막에 대한 최근 연구에서 Theiascope™ 및 Ultralytics YOLO 모델은 전자제품, 코팅 및 에너지 장치에 사용되는 소재의 특성에 영향을 미치는 결정립 구조를 식별하고 측정하는 데 사용되었습니다. 정확한 결정립 크기 분포는 이러한 박막이 실험 중에 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.

왜 Ultralytics YOLO 모델인가?#

앞서 논의한 다결정 박막 연구에서 Ultralytics YOLOv8은 (과학적 이미지 분석에 자주 사용되는 모델인) U‑Net보다 최대 43배 더 빠른 것으로 나타났습니다. 이 속도 덕분에 YOLO는 실시간 현미경 분석에 실용적으로 활용될 수 있습니다.

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 트레이싱(b) 및 U‑Net(c)과 비교하여, YOLOv8 세분화(d)는 현미경 이미지에서 더 선명하고 정확한 윤곽선을 제공합니다. (출처)

YOLO를 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 결과입니다. 과학 연구는 종종 몇 년이 지난 후에 결과를 다시 검토하고 검증해야 하는 경우가 있습니다. Theiascope™에 통합된 다양한 YOLO 모델을 통해 연구원은 아카이브된 데이터셋에서 Ultralytics YOLOv5와 같은 이전 모델을 다시 실행하여 일관된 출력을 얻은 다음, Ultralytics YOLO11과 같은 최신 모델의 결과와 직접 비교할 수 있습니다. 이를 통해 AI 메서드가 진화하더라도 연구 결과를 쉽게 검증할 수 있습니다.

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.

차세대 연구 도구에 고급 비전 AI 통합#

Theia Scientific은 Ultralytics YOLO 모델을 현미경의 미래를 위한 기반으로 보고 있습니다. 트레이닝 방법과 캘리브레이션 접근 방식을 계속 개선함으로써, 다양한 규모와 실험 조건에서 정확도를 더욱 향상시키는 것을 목표로 하고 있습니다.

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.

회사 워크플로를 간소화하고 싶으신가요? Vision AI에 대해 자세히 알아보려면 GitHub 저장소를 확인해 보세요. 헬스케어 분야의 AI 및 리테일 분야의 컴퓨터 비전 같은 영역에서 YOLO 모델이 어떻게 혁신을 주도하고 있는지 살펴보세요. YOLO를 직접 체험하며 라이선스 옵션이 어떻게 비전을 지원할 수 있는지 알아보세요.