Theia Scientific, Ultralytics YOLO ile mikroskopi analizini 43 kat hızlandırıyor

Malzeme bilimi ve nanoteknoloji gibi alanlardaki bilimsel araştırmalar, insan gözüyle görülemeyen yapıları keşfetmek için genellikle yüklü parçacık, taramalı prob ve optik mikroskopiye dayanır. Örneğin, İletim Elektron Mikroskopi (TEM), nano ve atomik ölçekte ince detayları yakalayabilen temel bir araçtır.

Ne yazık ki, bu görüntüler elde edildikten sonra bunların analizi yavaş ve karmaşık olabilir; genellikle önemli ölçüde manuel çaba ve alan uzmanlığı gerektirir. Bu süreci geliştirmek için Theia Scientific, görüntü tespiti, segmentasyon ve nicel ölçümleri otomatikleştirmek üzere Ultralytics YOLO modellerini entegre eden, mikroskopi görüntüsü analizine yönelik gerçek zamanlı bir sistem olan Theiascope™ platformunu geliştirerek mikroskopi analizini daha hızlı, daha verimli ve tekrarlanabilir hale getirdi.

Bilimsel 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 mikroskopi görüntülerindeki özellikleri otomatik olarak tespit etmek, segmentlere ayırmak ve ölçmek için bilgisayarlı görü teknolojisini entegre eder. Manuel açıklama ve izleme yerine Vision AI teknolojisine güvenen platform, tutarlı ve tekrarlanabilir sonuçlar sunar.

Mikroskopi 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 yöntemler kullanılarak haftalar hatta aylar sürebilir. Bunun da ötesinde, kontrast, gürültü ve üst üste binen yapılardaki değişiklikler 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.

Ultralytics YOLO modellerini kullanarak mikroskopi iş akışlarını geliştirmek#

Mikroskopi veri analizini otomatikleştirmek için farklı yaklaşımları inceledikten sonra Theia Scientific, Ultralytics YOLO modellerinin gerçek zamanlı mikroskopi görüntüsü analizi için gereken hızı, doğruluğu ve esnekliği sunduğunu, deneyler devam ederken mikroskopta anında nicel sonuçlar elde edilmesini sağladığını gördü. Ultralytics YOLO11 ve Ultralytics YOLOv8 gibi Ultralytics YOLO modelleri, nesne tespiti (bir görüntüdeki ayrı özelliklerin tanımlanması ve konumlandırılması) ve örnek segmentasyonu (her bir özelliğin piksel düzeyinde ana hatlarının çizilmesi) gibi bilgisayarlı görü görevlerini destekler. Bu görevler, tahıl ve sınırlar gibi nan ölçekli yapıların, TEM görüntüleri yakalanır yakalanmaz doğrudan tespit edilmesini mümkün kılar.

Şekil 1. Mevcut mikroskopi görüntüsü ve veri analizi iş akışı. Bilim insanları, mühendisler ve araştırmacılar nihayetinde iş akışının sonunda keşif ve yanıtlar ararlar. Bu arada iş akışı karmaşık ve zahmetlidir; her adım için gereken göreceli süre/emek alt kısımda gösterilmektedir. Özellik Tespiti ve birleştirme, iş akışındaki en çok zaman alan aşamalardır. Mevcut veri yararlı olmadığı için verilerin yeniden alınması gerektiğini belirten ve edinim aşamasına geri giden gri oklar bunu gösterir. Kaynak: Theia Scientific.

Örneğin, polikristalin ince filmler üzerine yapılan son bir çalışmada, elektronik, kaplamalar ve enerji cihazlarında kullanılan malzemelerin özelliklerini etkileyen tanecik yapılarını belirlemek ve ölçmek için Theiascope™ ve Ultralytics YOLO modelleri kullanıldı. Doğru tanecik boyutu dağılımları, bu filmlerin deneyler sırasında nasıl evrildiğini anlamak için kritik önem taşır.

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.

Neden Ultralytics YOLO modellerini seçmelisin?#

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

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 görüntüleri üzerinde daha keskin ve daha doğru ana hatlar sağlar. (Kaynak)

YOLO 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 önemli sonuçtur. Bilimsel araştırma genellikle sonuçların yıllar sonra yeniden incelenmesini ve doğrulanmasını gerektirir. Theiascope™ ile entegre edilmiş çeşitli YOLO modelleri sayesinde araştırmacılar, Ultralytics YOLOv5 gibi eski modelleri arşivlenmiş veri setleri üzerinde yeniden çalıştırıp tutarlı çıktılar elde edebilir ve bunları daha yeni modellerin (Ultralytics YOLO11 gibi) sonuçlarıyla doğrudan karşılaştırabilirler. Bu, yapay zeka yöntemleri geliştikçe bile bulguların doğrulanmasını 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.

Yeni 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 amaçlıyorlar.

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.

Şirketinin iş akışlarını kolaylaştırmakla mı ilgileniyorsun? Vision AI hakkında daha fazla bilgi edinmek için GitHub depomuzu incele. YOLO modellerinin sağlıkta yapay zeka ve perakendede bilgisayarlı görü gibi alanlarda yeniliklere nasıl öncülük ettiğini keşfet. YOLO ile pratik yapmak için lisanslama seçeneklerimizin vizyonunu nasıl destekleyebileceğini keşfet.