Theia Scientific acelera a análise de microscopia em 43x com Ultralytics YOLO

A investigação científica em campos como a ciência dos materiais e nanotecnologia depende frequentemente de microscopia de partículas carregadas, de sonda de varrimento e ótica para explorar estruturas que são invisíveis ao olho humano. Por exemplo, a Microscopia Eletrónica de Transmissão (TEM) é uma ferramenta fundamental, capaz de captar detalhes finos à escala nano e atómica.

Infelizmente, uma vez adquiridas estas imagens, a sua análise pode ser lenta e complexa, exigindo frequentemente um esforço manual significativo e conhecimentos especializados. 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, segmentação e medições quantitativas de imagens, tornando a microscopia mais rápida, eficiente e reprodutível.

Link to this sectionExplorar 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 experiência em ciência dos materiais, automação industrial, eletrónica e engenharia de software, concentram-se em reduzir os estrangulamentos que cientistas, engenheiros e investigadores enfrentam ao analisar dados complexos de imagem.

O seu principal produto, a plataforma Theiascope™, integra computer vision para detetar, segmentar e medir automaticamente características em imagens de microscopia eletrónica. Ao confiar na IA de Visão em vez da anotação e traçado manuais, a plataforma fornece resultados consistentes e reprodutíveis.

Link to this sectionPorque 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 a milhares de características e estruturas finas, tais como grãos e limites, que têm de ser cuidadosamente identificadas, anotadas, traçadas e/ou medidas para extrair dados significativos. Tradicionalmente, isto tem sido 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 grandes margens de erro.

Este processo torna-se ainda mais complexo quando estão envolvidos grandes datasets. Para obter perceções fiáveis, milhares de imagens precisam frequentemente de ser analisadas, o que pode levar semanas ou até meses utilizando métodos manuais. Além disso, as variações de contraste, ruído e estruturas sobrepostas tornam o processo ainda mais difícil.

Para investigadores que pretendem estudar a evolução microestrutural ou seguir alterações ao longo do tempo, estas questões podem atrasar a investigação. A Theia Scientific reconheceu que estas preocupações exigiam uma solução mais automatizada e fiável.

Link to this sectionMelhorar os fluxos de trabalho de microscopia utilizando modelos Ultralytics YOLO#

Após explorar diferentes abordagens para automatizar a análise de dados de microscopia, a Theia Scientific viu que os modelos Ultralytics YOLO ofereciam a velocidade, precisão e flexibilidade necessárias para a análise de imagens de microscopia em tempo real, permitindo resultados quantitativos instantâneos no microscópio enquanto as experiências ainda estão em curso. Modelos Ultralytics YOLO como Ultralytics YOLO11 e Ultralytics YOLOv8 suportam tarefas de computer vision como deteção de objetos (identificar e localizar características individuais numa imagem) e segmentação de instâncias (delinear cada característica ao nível do pixel). Estas tarefas tornam possível detetar estruturas à nanoescala, tais como grãos e limites, diretamente em imagens TEM à medida que são capturadas.

Fig 1. Fluxo de trabalho atual de análise de dados e imagens de microscopia. Cientistas, engenheiros e investigadores procuram, em última análise, descobertas e respostas no final do fluxo de trabalho. Entretanto, o fluxo de trabalho é desconexo e trabalhoso, com o tempo/trabalho relativo necessário para cada etapa mostrado na parte inferior. A Deteção de Características e a agregação são as etapas que consomem mais tempo no fluxo de trabalho. As setas cinzentas que levam 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 polycrystalline thin films, o Theiascope™ e os modelos Ultralytics YOLO foram utilizados para identificar e medir estruturas de grãos que influenciam as propriedades de materiais utilizados em eletrónica, revestimentos e dispositivos de energia. Distribuições precisas do tamanho dos grãos são críticas para entender como estes filmes evoluem durante as experiências.

Uma das principais razões pelas quais os modelos Ultralytics YOLO são tão eficazes nestes casos de uso é a sua capacidade de interpolar através de grandes datasets. Em vez de exigir que cada frame de uma experiência seja rotulado, os investigadores podem anotar apenas uma pequena fração das imagens, treinar um modelo YOLO e depois deixá-lo analisar de forma fiável milhares de frames adicionais. Isto torna possível seguir o crescimento dos grãos e alterações nos limites ao longo de experiências TEM com lapso de tempo com um esforço manual mínimo.

Link to this sectionPor que escolher Ultralytics YOLO models?#

No estudo sobre filmes finos policristalinos discutido anteriormente, o Ultralytics YOLOv8 revelou ser até 43 vezes mais rápido do que a U‑Net (um modelo frequentemente utilizado para análise de imagens científicas). Esta velocidade torna o YOLO prático para análise em tempo real no microscópio.

Embora a U‑Net seja precisa, mas lenta, o YOLO combina velocidade com precisão, correspondendo às medições do tamanho dos grãos dentro de 3% da verdade absoluta (ground truth). O seu design também o torna mais flexível, lidando facilmente com diferentes escalas e configurações de treino. Para os investigadores, isto significa resultados mais rápidos sem sacrificar a fiabilidade, o que é ideal para acelerar os fluxos de trabalho de microscopia.

Fig 2. Comparativamente ao traçado manual (b) e à U‑Net (c), a segmentação YOLOv8 (d) fornece contornos mais nítidos e precisos em imagens de microscopia. (Fonte)

Link to this sectionReduzir o viés e aumentar a consistência na microscopia com YOLO#

Através da plataforma Theiascope™, a Theia Scientific mostrou que os modelos Ultralytics YOLO podem acelerar a análise de imagens de microscopia e experiências TEM enquanto suportam uma investigação reprodutível a longo prazo. A plataforma foi concebida para ser agnóstica em relação ao microscópio, o que significa que os modelos YOLO são usados para analisar imagens recolhidas de diferentes instrumentos sem exigir pipelines personalizados. Esta flexibilidade garante que os fluxos de trabalho permaneçam consistentes em experiências, operadores e ambientes variados.

A reprodutibilidade é outro resultado chave. A investigação científica exige frequentemente que os resultados sejam revisitados e validados anos depois. Com vários modelos YOLO integrados no Theiascope™, os investigadores podem reexecutar modelos mais antigos, como o Ultralytics YOLOv5, em datasets arquivados e obter resultados consistentes, comparando-os depois diretamente com resultados de modelos mais recentes como o Ultralytics YOLO11. Isto torna a verificação das descobertas simples, mesmo à medida que os métodos de IA evoluem.

Fig 3. A plataforma Theiascope™. Imagens de microscopia eletrónica são capturadas e transmitidas do computador de aquisição para um dispositivo compatível com GPU que executa uma aplicação web, base de dados de séries temporais e os modelos Ultralytics YOLO. Atualizações e novos modelos Ultralytics YOLO podem ser enviados para a plataforma com atualizações OTA. Fonte: Theia Scientific.

Além disso, os modelos Ultralytics YOLO conferem à plataforma a escalabilidade necessária para lidar com grandes datasets. As suas capacidades de inferência em tempo real permitem que milhares de imagens TEM sejam analisadas no tempo que levaria a analisar manualmente apenas algumas. Isto permite aos investigadores acompanhar processos dinâmicos como o crescimento de grãos ao longo de experiências completas, gerando novas perceções e desbloqueando experiências inovadoras à escala e velocidade exigidas para investigação de ponta.

Link to this sectionIntegrar IA de Visão avançada em ferramentas de investigação de última geração#

A Theia Scientific vê os modelos Ultralytics YOLO como uma base para o futuro da microscopia. Ao continuar a refinar métodos de training e abordagens de calibração, visam melhorar ainda mais a precisão em diferentes escalas e condições experimentais.

Seguindo em frente, a Theia Scientific planeia expandir o Theiascope™ para suportar experiências in‑situ mais complexas e datasets multimodais. Eles acreditam que é provável que a IA de Visão se torne uma parte padrão dos fluxos de trabalho de investigação de próxima geração, permitindo uma descoberta mais rápida e perceções mais profundas em todos os domínios científicos.

Interessado em otimizar os fluxos de trabalho da sua empresa? Consulte o nosso GitHub repository para saber mais sobre IA de Visão. Explore como os modelos YOLO estão a impulsionar inovações em áreas como AI in healthcare e computer vision in retail. Para ganhar experiência prática com o YOLO, descubra como as nossas opções de licenciamento podem apoiar a sua visão.