Theia Scientific, Ultralytics YOLO modelleriyle mikroskopi veri analizini yeniden tanımlıyor

Malzeme bilimi ve nanoteknoloji gibi alanlardaki bilimsel araştırmalar genellikle insan gözüyle görülemeyen yapıları keşfetmek için yüklü parçacık, taramalı prob ve optik mikroskopiye bağlıdır. Örneğin, Transmisyon Elektron Mikroskobu (TEM), nano ve atomik ölçekte ince ayrıntıları yakalayabilen önemli bir araçtır.

Ne yazık ki, bu görüntüler elde edildikten sonra, analizleri yavaş ve karmaşık olabilir, genellikle önemli miktarda manuel çaba ve alan uzmanlığı gerektirir. Bu süreci geliştirmek için Theia Scientific, görüntü tespiti, segmentasyonu ve kantitatif ölçümleri otomatikleştirmek için Ultralytics YOLO modellerini entegre eden ve mikroskopiyi daha hızlı, daha verimli ve tekrarlanabilir hale getiren gerçek zamanlı bir mikroskopi görüntü analiz sistemi olan Theiascope™ platformunu geliştirdi.

Görüntü işlemenin bilimsel görüntülemedeki rolünü keşfetmek

Kardeşler Kevin ve Christopher Field tarafından kurulan Theia Scientific, mikroskopi araştırmalarını hızlandırmak için gelişmiş yazılım araçları geliştiriyor. Malzeme bilimi, endüstriyel otomasyon, elektronik ve yazılım mühendisliği alanlarındaki uzmanlıklarıyla, bilim insanları, mühendisler ve araştırmacıların karmaşık görüntü verilerini analiz ederken karşılaştıkları darboğazları azaltmaya odaklanıyorlar. 

Amiral gemisi ürünü olan Theiascope™ platformu, elektron mikroskobu görüntülerindeki özellikleri otomatik olarak algılamak, bölümlere ayırmak ve ölçmek için bilgisayarlı görü entegre eder. Platform, manuel etiketleme ve izleme yerine Vision AI'ya dayanarak tutarlı ve tekrarlanabilir sonuçlar sağlar.

Mikroskopi görüntülerini manuel olarak analiz etmek neden zordur?

Mikroskopi görüntüleri, özellikle TEM ile yakalananlar, çok ayrıntılıdır ancak yorumlanması zordur. Her görüntü, anlamlı verileri çıkarmak için dikkatlice tanımlanması, açıklanması, izlenmesi ve/veya ölçülmesi gereken yüzlerce ila binlerce ince özellik ve yapı içerir; örneğin taneler ve sınırlar. Geleneksel olarak, bu işlem elle yapılmıştır, bu da yavaştır ve kişiden kişiye değişebilir. İki araştırmacı aynı görüntüyü farklı şekilde açıklayabilir, bu da tutarsız sonuçlara ve büyük hata paylarına yol açar.

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

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

Ultralytics YOLO modellerini kullanarak mikroskopi iş akışlarını iyileştirme

Theia Scientific, mikroskopi veri analizini otomatikleştirmek için farklı yaklaşımları araştırdıktan sonra, Ultralytics YOLO modellerinin gerçek zamanlı mikroskopi görüntü analizi için gereken hızı, doğruluğu ve esnekliği sunduğunu ve deneyler devam ederken mikroskopta anında nicel sonuçlar sağladığını gördü. Ultralytics YOLO11 ve Ultralytics YOLOv8 gibi Ultralytics YOLO modelleri, nesne tespiti (bir görüntüdeki bireysel özellikleri tanımlama ve konumlandırma) ve örnek segmentasyonu (her özelliği piksel düzeyinde ana hatlarıyla belirtme) gibi bilgisayarla görme görevlerini destekler. Bu görevler, TEM görüntülerinde yakalandıkları anda taneler ve sınırlar gibi nano ölçekli yapıları doğrudan tespit etmeyi mümkün kılar.

‍

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 belirlemek ve ölçmek için kullanılmıştır. Doğru tane boyutu dağılımları, bu filmlerin deneyler sırasında nasıl evrimleştiğini anlamak için kritik öneme sahiptir. 

Ultralytics YOLO modellerinin bu kullanım durumlarında bu kadar etkili olmasının temel nedenlerinden biri, büyük veri kümelerinde enterpolasyon yapabilme yetenekleridir. Araştırmacıların bir deneydeki her kareyi etiketlemesini gerektirmek yerine, görüntülerin yalnızca küçük bir bölümünü açıklayabilir, bir YOLO modeli eğitebilir ve ardından binlerce ek kareyi güvenilir bir şekilde analiz etmesine izin verebilirler. Bu, minimum manuel girdi ile zaman atlamalı TEM deneyleri boyunca tane büyümesini ve sınır değişikliklerini izlemeyi mümkün kılar.

Neden Ultralytics YOLO modellerini seçmelisiniz?

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

U‑Net doğru ancak yavaşken, YOLO hızı doğrulukla birleştirerek tane boyutu ölçümlerini gerçek değerin %3'ü dahilinde eşleştirir. Tasarımı ayrıca daha esnek olmasını sağlayarak farklı ölçekleri ve eğitim kurulumlarını kolaylıkla yönetir. Araştırmacılar için bu, mikroskopi iş akışlarını hızlandırmak için ideal olan güvenilirlikten ödün vermeden daha hızlı sonuçlar anlamına gelir.

‍

YOLO ile mikroskopideki yanlılığı azaltmak ve tutarlılığı artırmak

Theia Scientific, Theiascope™ platformu aracılığıyla, Ultralytics YOLO modellerinin mikroskopi görüntü analizini ve TEM deneylerini hızlandırabileceğini ve aynı zamanda tekrarlanabilir, uzun vadeli araştırmaları destekleyebileceğini gösterdi. Platform, mikroskop bağımsız olacak şekilde tasarlanmıştır, yani YOLO modelleri, özelleştirilmiş işlem hatları gerektirmeden farklı cihazlardan toplanan görüntüleri analiz etmek için kullanılır. Bu esneklik, iş akışlarının çeşitli deneyler, operatörler ve ortamlar arasında tutarlı kalmasını sağlar.

Yeniden üretilebilirlik bir diğer önemli sonuçtur. Bilimsel araştırmalar genellikle sonuçların yıllar sonra yeniden ziyaret edilmesini ve doğrulanmasını gerektirir. Theiascope™'ye entegre edilmiş çeşitli YOLO modelleriyle, araştırmacılar Ultralytics YOLOv5 gibi eski modelleri arşivlenmiş veri kümelerinde yeniden çalıştırabilir ve tutarlı çıktılar elde edebilir, ardından bunları doğrudan Ultralytics YOLO11 gibi daha yeni modellerden elde edilen sonuçlarla karşılaştırabilir. Bu, yapay zeka yöntemleri gelişirken bile bulguları doğrulamayı kolaylaştırır.

‍

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

Gelişmiş Görüntü İşleme Yapay Zekasını yeni nesil araştırma araçlarına entegre etme

Theia Scientific, Ultralytics YOLO modellerini mikroskopinin geleceği için bir temel olarak görüyor. Eğitim yöntemlerini ve kalibrasyon yaklaşımlarını iyileştirmeye devam ederek, farklı ölçeklerde ve deneysel koşullarda doğruluğu daha da artırmayı hedefliyorlar. 

Theia Scientific, gelecekte Theiascope™'u daha karmaşık, yerinde deneyleri ve çok modlu veri kümelerini destekleyecek şekilde genişletmeyi planlıyor. Vizyon Yapay Zekasının, yeni nesil araştırma iş akışlarının standart bir parçası haline gelerek bilimsel alanlarda daha hızlı keşif ve daha derin içgörüler sağlayacağına inanıyorlar.

Şirketinizin iş akışlarını kolaylaştırmakla mı ilgileniyorsunuz? Görüntü İşleme Yapay Zekası hakkında daha fazla bilgi edinmek için GitHub depomuza göz atın. YOLO modellerinin sağlık hizmetlerinde yapay zeka ve perakende sektöründe bilgisayar görüşü gibi alanlardaki yenilikleri nasıl yönlendirdiğini keşfedin. YOLO ile uygulamalı olarak çalışmak için lisanslama seçeneklerimizin vizyonunuzu nasıl destekleyebileceğini keşfedin.