Theia Scientific, Ultralytics YOLO ile mikroskopi analizini 43 kat hızlandırıyor

Malzeme bilimi ve nanoteknoloji gibi alanlardaki bilimsel araştırmalar, insan gözüyle görülemeyen yapıları incelemek için genellikle yüklü parçacık, taramalı prob ve optik mikroskopi yöntemlerine güvenir. Örneğin, Geçirimli Elektron Mikroskobu (TEM), nano ve atomik ölçekte ince detayları yakalayabilen önemli bir araçtır.

Ne yazık ki, bu görüntüler elde edildikten sonra analiz edilmeleri yavaş ve karmaşık olabilir; genellikle önemli ölçüde manuel çaba ve alan uzmanlığı gerektirir. Bu süreci geliştirmek için Theia Scientific, görüntü algılama, segmentasyon ve nicel ölçümleri otomatikleştirmek amacıyla Ultralytics YOLO modellerini entegre eden ve mikroskopi analizini daha hızlı, verimli ve tekrarlanabilir kılan gerçek zamanlı bir mikroskopi görüntüsü analiz sistemi olan Theiascope™ platformunu geliştirdi.

Link to this sectionBilimsel görüntülemede Vizyon Yapay Zekasının rolünü keşfetmek#

Kevin ve Christopher Field kardeşler tarafından kurulan Theia Scientific, mikroskopi araştırmalarını hızlandırmak için gelişmiş yazılım araçları geliştiriyor. Malzeme bilimi, endüstriyel otomasyon, elektronik ve yazılım mühendisliğini kapsayan uzmanlıklarıyla, bilim insanlarının, mühendislerin ve araştırmacıların karmaşık görüntü verilerini analiz ederken karşılaştıkları darboğazları azaltmaya odaklanıyorlar.

Amiral gemisi ürünleri olan Theiascope™ platformu, elektron mikroskobu görüntülerindeki özellikleri otomatik olarak tespit etmek, segmentlere ayırmak ve ölçmek için bilgisayarlı görü entegrasyonu sağlar. Manuel açıklama ve izleme yerine Vizyon Yapay Zekasına güvenerek, platform tutarlı ve tekrarlanabilir sonuçlar sunar.

Link to this sectionMikroskopi görüntülerini manuel olarak analiz etmek neden zordur?#

Özellikle TEM ile çekilen mikroskopi görüntüleri çok detaylıdır ancak yorumlanmaları zordur. Her görüntü, anlamlı veriler elde etmek için dikkatlice tanımlanması, açıklanması, izlenmesi ve/veya ölçülmesi gereken yüzlerce ila binlerce ince özellik ve yapı içerir. Geleneksel olarak bu işlem elle yapılmıştır; bu da yavaştır ve kişiden kişiye değişebilir. İki araştırmacı aynı görüntüyü farklı şekillerde açıklayabilir, bu da tutarsız sonuçlara ve büyük hata paylarına yol açar.

Büyük veri setleri söz konusu olduğunda bu süreç daha da karmaşık hale gelir. Güvenilir içgörüler elde etmek için genellikle binlerce görüntünün analiz edilmesi gerekir, bu da manuel yöntemlerle haftalar hatta aylar sürebilir. Üstelik kontrast, gürültü ve örtüşen yapılardaki farklılıklar süreci daha da zorlaştırır.

Mikro yapısal evrimi incelemeyi veya zaman içindeki değişimleri takip etmeyi amaçlayan araştırmacılar için bu sorunlar araştırmayı yavaşlatabilir. Theia Scientific, bu endişelerin daha otomatik ve güvenilir bir çözüm gerektirdiğini fark etti.

Link to this sectionUltralytics YOLO modellerini kullanarak mikroskopi iş akışlarını geliştirmek#

Mikroskopi verisi analizini otomatikleştirmek için farklı yaklaşımları araştırdıktan sonra Theia Scientific, Ultralytics YOLO modellerinin gerçek zamanlı mikroskopi görüntüsü analizi için gereken hızı, doğruluğu ve esnekliği sunduğunu, deneyler devam ederken mikroskop başında anında nicel sonuçlar sağladığını gördü. Ultralytics YOLO11 ve Ultralytics YOLOv8 gibi Ultralytics YOLO modelleri, nesne algılama (görüntüdeki bireysel özellikleri tanımlama ve konumlandırma) ve örnek segmentasyonu (her özelliği piksel seviyesinde ana hatlarıyla belirtme) gibi bilgisayarlı görü görevlerini destekler. Bu görevler, TEM görüntülerinde çekildikleri sırada tanecikler ve sınırlar gibi nano ölçekli yapıların tespit edilmesini mümkün kılar.

Şekil 1. Mevcut mikroskopi görüntüsü ve veri analizi iş akışı. Bilim insanları, mühendisler ve araştırmacılar nihai olarak iş akışının sonunda keşif ve yanıtlar ararlar. Bu arada iş akışı kopuk ve zahmetlidir; her adım için gereken göreceli zaman/emek altta gösterilmiştir. Özellik Algılama ve birleştirme, iş akışındaki en çok zaman alan aşamalardır. Edinmeye geri dönen gri oklar, mevcut veriler yararlı olmadığı için verileri yeniden edinmek zorunda kalmayı temsil eder. Kaynak: Theia Scientific.

Örneğin, polikristalin ince filmler üzerine yapılan yakın tarihli bir çalışmada, Theiascope™ ve Ultralytics YOLO modelleri, elektronik, kaplama ve enerji cihazlarında kullanılan malzemelerin özelliklerini etkileyen tane yapılarını tanımlamak ve ölçmek için kullanıldı. Doğru tane boyutu dağılımları, bu filmlerin deneyler sırasında nasıl geliştiğini anlamak için kritiktir.

Ultralytics YOLO modellerinin bu kullanım durumlarında bu kadar etkili olmasının temel nedenlerinden biri, büyük veri setleri genelinde enterpolasyon yapabilme yetenekleridir. Deneydeki her karenin etiketlenmesini gerektirmek yerine, araştırmacılar görüntülerin sadece küçük bir kısmını açıklayabilir, bir YOLO modeli eğitebilir ve ardından binlerce ek kareyi güvenilir bir şekilde analiz etmesini sağlayabilirler. Bu, minimum manuel girdi ile zaman atlamalı TEM deneyleri boyunca tane büyümesini ve sınır değişikliklerini takip etmeyi mümkün kılar.

Link to this sectionNeden Ultralytics YOLO modellerini seçmelisin?#

Daha önce tartışılan polikristalin ince filmler üzerine yapılan çalışmada, Ultralytics YOLOv8 modelinin U‑Net'ten (bilimsel görüntü analizi için sıklıkla kullanılan bir model) 43 kata kadar daha hızlı olduğu bulundu. Bu hız, YOLO'yu gerçek zamanlı, mikroskop üstü analiz için pratik hale getiriyor.

U‑Net doğru ancak yavaşken, YOLO hızı doğrulukla birleştirir ve tane boyutu ölçümlerini gerçek değerin %3'ü içinde eşleştirir. Tasarımı aynı zamanda onu daha esnek kılar ve farklı ölçekleri ve eğitim kurulumlarını kolaylıkla yönetmesini sağlar. Araştırmacılar için bu, güvenilirlikten ödün vermeden daha hızlı sonuçlar anlamına gelir, bu da mikroskopi iş akışlarını hızlandırmak için idealdir.

Şekil 2. Manuel izleme (b) ve U‑Net (c) ile karşılaştırıldığında, YOLOv8 segmentasyonu (d) mikroskopi görüntülerinde daha keskin, daha doğru ana hatlar sağlar. (Kaynak)

Link to this sectionYOLO ile mikroskopide yanlılığı azaltmak ve tutarlılığı artırmak#

Theiascope™ platformu aracılığıyla Theia Scientific, Ultralytics YOLO modellerinin mikroskopi görüntüsü analizini ve TEM deneylerini hızlandırırken tekrarlanabilir, uzun vadeli araştırmaları destekleyebileceğini gösterdi. Platform, mikroskoptan bağımsız olacak şekilde tasarlanmıştır; yani YOLO modelleri, özelleştirilmiş boru hatları gerektirmeden farklı cihazlardan toplanan görüntüleri analiz etmek için kullanılır. Bu esneklik, iş akışlarının çeşitli deneyler, operatörler ve ortamlar genelinde tutarlı kalmasını sağlar.

Tekrarlanabilirlik bir diğer temel sonuçtur. Bilimsel araştırma genellikle sonuçların yıllar sonra tekrar gözden geçirilmesini ve doğrulanmasını gerektirir. Theiascope™ içine entegre edilmiş çeşitli YOLO modelleri ile araştırmacılar, Ultralytics YOLOv5 gibi eski modelleri arşivlenmiş veri setleri üzerinde yeniden çalıştırabilir ve tutarlı çıktılar elde edebilir, ardından bunları Ultralytics YOLO11 gibi daha yeni modellerden gelen sonuçlarla doğrudan karşılaştırabilirler. Bu, yapay zeka yöntemleri gelişse bile bulguları doğrulamayı kolaylaştırır.

Şekil 3. Theiascope™ platformu. Elektron mikroskobu görüntüleri çekilir ve edinme bilgisayarından web uygulaması, zaman serisi veritabanı ve Ultralytics YOLO modellerini çalıştıran GPU özellikli bir cihaza aktarılır. Güncellemeler ve yeni Ultralytics YOLO modelleri, OTA güncellemeleri ile platforma gönderilebilir. Kaynak: Theia Scientific.

Ayrıca, Ultralytics YOLO modelleri platforma büyük veri setlerini işlemek için gereken ölçeklenebilirliği sağlar. Gerçek zamanlı çıkarım yetenekleri, binlerce TEM görüntüsünün manuel olarak sadece birkaç tanesini analiz etmek için gereken sürede analiz edilmesine olanak tanır. Bu, araştırmacıların tane büyümesi gibi dinamik süreçleri tüm deneyler boyunca takip etmelerini sağlar, yeni içgörüler oluşturur ve en son araştırmalar için gereken ölçek ve hızda yeni deneylerin kilidini açar.

Link to this sectionYeni nesil araştırma araçlarına gelişmiş Vizyon Yapay Zekasını entegre etmek#

Theia Scientific, Ultralytics YOLO modellerini mikroskopinin geleceği için bir temel olarak görüyor. Eğitim yöntemlerini ve kalibrasyon yaklaşımlarını geliştirmeye devam ederek, ölçekler ve deneysel koşullar genelinde doğruluğu daha da artırmayı hedefliyorlar.

İleriye dönük olarak, Theia Scientific, Theiascope™ platformunu daha karmaşık, yerinde (in-situ) deneyleri ve çok modlu veri setlerini destekleyecek şekilde genişletmeyi planlıyor. Vizyon Yapay Zekasının, bilimsel disiplinler genelinde daha hızlı keşif ve daha derin içgörüler sağlayarak, yeni nesil araştırma iş akışlarının standart bir parçası haline gelmesinin muhtemel olduğuna inanıyorlar.

Şirketinizin iş akışlarını düzene sokmakla ilgileniyor musunuz? Vizyon Yapay Zekası hakkında daha fazla bilgi edinmek için GitHub depomuza göz atın. YOLO modellerinin sağlık hizmetlerinde yapay zeka ve perakendede bilgisayarlı görü gibi alanlarda inovasyonu nasıl yönlendirdiğini keşfedin. YOLO ile uygulamalı çalışmak için lisanslama seçeneklerimizin vizyonunuzu nasıl destekleyebileceğini keşfedin.