Ao integrar modelos Ultralytics YOLO na sua plataforma, a Theia Scientific transformou a forma como os dados de microscopia são processados, tornando a análise mais eficiente e fiável.
A investigação científica em áreas como a ciência dos materiais e a nanotecnologia depende frequentemente de microscopia de partículas carregadas, de varrimento por sonda e ótica para explorar estruturas invisíveis ao olho humano. Por exemplo, a Microscopia Eletrónica de Transmissão (TEM) é uma ferramenta essencial, capaz de captar detalhes minuciosos à escala nanométrica e atómica.
Infelizmente, depois de adquiridas, estas imagens podem ser lentas e complexas de analisar, exigindo frequentemente um esforço manual significativo e conhecimento especializado. Para melhorar este processo, a Theia Scientific desenvolveu a plataforma Theiascope™, um sistema de análise de imagens de microscopia em tempo real que integra modelos Ultralytics YOLO para automatizar a deteção, a segmentação e as medições quantitativas de imagens, tornando a microscopia mais rápida, eficiente e reprodutível.
Explorar o papel da IA de visão na imagiologia científica#
Fundada pelos irmãos Kevin e Christopher Field, a Theia Scientific desenvolve ferramentas de software avançadas para acelerar a investigação em microscopia. Com conhecimentos que abrangem ciência dos materiais, automação industrial, eletrónica e engenharia de software, a empresa concentra-se em reduzir os estrangulamentos que cientistas, engenheiros e investigadores enfrentam ao analisar dados de imagem complexos.
O seu produto principal, a plataforma Theiascope™, integra visão computacional para detetar, segmentar e medir automaticamente características em imagens de microscopia eletrónica. Ao recorrer à IA de visão em vez de anotação e delineamento manuais, a plataforma fornece resultados consistentes e reprodutíveis.
Porque é que as imagens de microscopia são difíceis de analisar manualmente?#
As imagens de microscopia, especialmente as captadas com TEM, são muito detalhadas, mas difíceis de interpretar. Cada imagem contém centenas ou milhares de características e estruturas minuciosas, como grãos e limites, que têm de ser cuidadosamente identificadas, anotadas, delineadas e/ou medidas para extrair dados relevantes. Tradicionalmente, este processo era feito à mão, o que é lento e pode variar de pessoa para pessoa. Dois investigadores podem anotar a mesma imagem de forma diferente, levando a resultados inconsistentes e a grandes margens de erro.
Este processo torna-se ainda mais complexo quando estão envolvidos grandes conjuntos de dados. Para obter informações fiáveis, é frequentemente necessário analisar milhares de imagens, o que pode demorar semanas ou até meses com métodos manuais. Além disso, as variações de contraste, o ruído e as estruturas sobrepostas tornam o processo ainda mais difícil.
Para os investigadores que pretendem estudar a evolução microestrutural ou acompanhar alterações ao longo do tempo, estes problemas podem atrasar a investigação. A Theia Scientific reconheceu que estas dificuldades exigiam uma solução mais automatizada e fiável.
Melhorar os fluxos de trabalho de microscopia com modelos Ultralytics YOLO#
Depois de explorar diferentes abordagens para automatizar a análise de dados de microscopia, a Theia Scientific concluiu que os modelos Ultralytics YOLO ofereciam a velocidade, a precisão e a flexibilidade necessárias para a análise de imagens de microscopia em tempo real, permitindo obter resultados quantitativos instantâneos no microscópio enquanto as experiências ainda estão a decorrer. Modelos Ultralytics YOLO como o Ultralytics YOLO11 e o Ultralytics YOLOv8 suportam tarefas de visão computacional como a deteção de objetos (identificação e localização de características individuais numa imagem) e a segmentação de instâncias (delimitação de cada característica ao nível dos píxeis). Estas tarefas permitem detetar estruturas à escala nanométrica, como grãos e limites, diretamente em imagens TEM à medida que são captadas.
Fig. 1. Fluxo de trabalho atual de análise de imagens e dados de microscopia. Em última análise, os cientistas, engenheiros e investigadores procuram obter descobertas e respostas no final do fluxo de trabalho. Entretanto, o fluxo de trabalho é desarticulado e trabalhoso, sendo apresentado na parte inferior o tempo/esforço relativo necessário para cada etapa. A deteção e a agregação de características são as fases que consomem mais tempo no fluxo de trabalho. As setas cinzentas que conduzem de volta à aquisição representam a necessidade de readquirir dados porque os dados atuais não são úteis. Fonte: Theia Scientific.
Por exemplo, num estudo recente sobre películas finas policristalinas, a plataforma Theiascope™ e os modelos Ultralytics YOLO foram utilizados para identificar e medir estruturas granulares que influenciam as propriedades dos materiais usados em dispositivos eletrónicos, revestimentos e dispositivos energéticos. Distribuições precisas do tamanho dos grãos são essenciais para compreender como estas películas evoluem durante as experiências.
Uma das principais razões pelas quais os modelos Ultralytics YOLO são tão eficazes nestes casos de utilização é a sua capacidade de interpolar em grandes conjuntos de dados. Em vez de exigir que cada fotograma de uma experiência seja etiquetado, os investigadores podem anotar apenas uma pequena fração das imagens, treinar um modelo YOLO e depois permitir que este analise de forma fiável milhares de fotogramas adicionais. Isto possibilita acompanhar o crescimento dos grãos e as alterações dos limites ao longo do tempo em experiências TEM com lapso de tempo, exigindo um contributo manual mínimo.
Porquê escolher os modelos Ultralytics YOLO?#
No estudo sobre películas finas policristalinas referido anteriormente, verificou-se que o Ultralytics YOLOv8 era até 43 vezes mais rápido do que o U‑Net (um modelo frequentemente utilizado na análise de imagens científicas). Esta velocidade torna o YOLO prático para a análise em tempo real no microscópio.
Embora o U‑Net seja preciso, mas lento, o YOLO combina velocidade com precisão, correspondendo às medições do tamanho dos grãos com uma diferença inferior a 3% em relação à verdade fundamental. O seu design também o torna mais flexível, permitindo lidar facilmente com diferentes escalas e configurações de treino. Para os investigadores, isto significa obter resultados mais rapidamente sem sacrificar a fiabilidade, o que é ideal para acelerar os fluxos de trabalho de microscopia.
Fig. 2. Em comparação com o delineamento manual (b) e o U‑Net (c), a segmentação YOLOv8 (d) fornece contornos mais nítidos e precisos em imagens de microscopia. (Fonte)
Reduzir o enviesamento e aumentar a consistência na microscopia com YOLO#
Através da plataforma Theiascope™, a Theia Scientific demonstrou que os modelos Ultralytics YOLO podem acelerar a análise de imagens de microscopia e as experiências TEM, apoiando simultaneamente uma investigação reprodutível e de longo prazo. A plataforma foi concebida para ser independente do microscópio, o que significa que os modelos YOLO são utilizados para analisar imagens recolhidas de diferentes instrumentos sem exigir pipelines personalizados. Esta flexibilidade garante que os fluxos de trabalho permanecem consistentes entre experiências, operadores e ambientes distintos.
A reprodutibilidade é outro resultado essencial. A investigação científica exige frequentemente que os resultados sejam revisitados e validados anos mais tarde. Com vários modelos YOLO integrados no Theiascope™, os investigadores podem voltar a executar modelos mais antigos, como o Ultralytics YOLOv5, em conjuntos de dados arquivados e obter resultados consistentes, comparando-os diretamente com os resultados de modelos mais recentes, como o Ultralytics YOLO11. Isto torna simples verificar as conclusões, mesmo à medida que os métodos de IA evoluem.
Fig. 3. A plataforma Theiascope™. As imagens de microscopia eletrónica são captadas e transmitidas do computador de aquisição para um dispositivo com GPU que executa uma aplicação Web, uma base de dados de séries temporais e os modelos Ultralytics YOLO. As atualizações e os novos modelos Ultralytics YOLO podem ser enviados para a plataforma através de atualizações OTA. Fonte: Theia Scientific.
Além disso, os modelos Ultralytics YOLO conferem à plataforma a escalabilidade necessária para lidar com grandes conjuntos de dados. As suas capacidades de inferência em tempo real permitem analisar milhares de imagens TEM no tempo que seria necessário para analisar manualmente apenas algumas. Isto permite aos investigadores acompanhar processos dinâmicos, como o crescimento dos grãos, ao longo de experiências completas, gerando novos conhecimentos e desbloqueando novas experiências à escala e velocidade exigidas pela investigação de vanguarda.
Integrar IA de visão avançada em ferramentas de investigação de próxima geração#
A Theia Scientific considera os modelos Ultralytics YOLO uma base para o futuro da microscopia. Ao continuar a aperfeiçoar os métodos de treino e as abordagens de calibração, a empresa pretende melhorar ainda mais a precisão em diferentes escalas e condições experimentais.
Daqui em diante, a Theia Scientific planeia expandir o Theiascope™ para suportar experiências mais complexas, in situ, e conjuntos de dados multimodais. A empresa acredita que é provável que a IA de visão se torne uma parte integrante dos fluxos de trabalho de investigação de próxima geração, permitindo descobertas mais rápidas e conhecimentos mais profundos em vários domínios científicos.
Tens interesse em simplificar os fluxos de trabalho da tua empresa? Consulta o nosso repositório no GitHub para saberes mais sobre IA de visão. Explora como os modelos YOLO estão a impulsionar inovações em áreas como a IA na área da saúde e a visão computacional no retalho. Para experimentares o YOLO na prática, descobre como as nossas opções de licenciamento podem apoiar a tua visão.
