Ultralytics YOLO modellerini platformuna entegre eden Theia Scientific, mikroskopi verilerinin işlenme şeklini dönüştürerek analizi daha verimli ve güvenilir hâle getirdi.
Malzeme bilimi ve nanoteknoloji gibi alanlardaki bilimsel araştırmalar, genellikle insan gözünün göremediği yapıları incelemek için yüklü parçacık, taramalı prob ve optik mikroskopiye dayanır. Örneğin, Geçirimli Elektron Mikroskopisi (TEM), nano ve atomik ölçekte ince ayrıntıları yakalayabilen temel bir araçtır.
Ne yazık ki bu görüntüler elde edildikten sonra bunları analiz etmek yavaş ve karmaşık olabilir; çoğu zaman önemli ölçüde manuel çalışma ve alan uzmanlığı gerekir. Bu süreci geliştirmek için Theia Scientific, görüntü algılama, segmentasyon ve nicel ölçümleri otomatikleştirmek üzere Ultralytics YOLO modellerini entegre eden, gerçek zamanlı bir mikroskopi görüntü analiz sistemi olan Theiascope™ platformunu geliştirdi ve mikroskopiyi daha hızlı, verimli ve tekrarlanabilir hâle getirdi.
Bilimsel görüntülemede Vision AI'ın rolünü keşfetme#
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 şirket, bilim insanlarının, mühendislerin ve araştırmacıların karmaşık görüntü verilerini analiz ederken karşılaştığı darboğazları azaltmaya odaklanıyor.
Amiral gemisi ürünü Theiascope™ platformu, elektron mikroskobu görüntülerindeki özellikleri otomatik olarak algılamak, segmentlere ayırmak ve ölçmek için computer vision teknolojisini entegre ediyor. Platform, manuel açıklama ve izleme yerine Vision AI'a dayanarak tutarlı ve tekrarlanabilir sonuçlar sunuyor.
Mikroskopi görüntülerini manuel olarak analiz etmek neden zor?#
Özellikle TEM ile yakalanan mikroskopi görüntüleri çok ayrıntılıdır ancak yorumlanmaları zordur. Her görüntü, anlamlı veriler elde etmek için dikkatle tanımlanması, açıklanması, izlenmesi ve/veya ölçülmesi gereken tanecikler ve sınırlar gibi yüzlerce ila binlerce ince özellik ve yapı içerir. Geleneksel olarak bu işlem elle yapılır; bu da yavaştır ve kişiden kişiye değişebilir. İki araştırmacı aynı görüntüyü farklı şekilde açıklayabilir ve bu durum tutarsız sonuçlara ve geniş hata çubuklarına yol açabilir.
Büyük veri kümeleri söz konusu olduğunda bu süreç daha da karmaşık hâle gelir. Güvenilir içgörüler elde etmek için çoğu zaman binlerce görüntünün analiz edilmesi gerekir; manuel yöntemlerle bu işlem haftalar, hatta aylar sürebilir. Ayrıca kontrast, gürültü ve üst üste binen yapıların farklılıkları süreci daha da zorlaştırır.
Mikroyapısal evrimi incelemeyi veya zaman içindeki değişimleri izlemeyi amaçlayan araştırmacılar için bu sorunlar araştırmayı yavaşlatabilir. Theia Scientific, bu endişelerin daha otomatik ve güvenilir bir çözüm gerektirdiğini fark etti.
Ultralytics YOLO modelleriyle mikroskopi iş akışlarını geliştirme#
Mikroskopi veri analizini otomatikleştirmek için farklı yaklaşımları inceledikten sonra Theia Scientific, Ultralytics YOLO modellerinin gerçek zamanlı mikroskopi görüntü analizi için gereken hız, doğruluk ve esnekliği sunduğunu gördü; bu sayede deneyler hâlâ devam ederken mikroskopta anında nicel sonuçlar elde edilebiliyor. Ultralytics YOLO11 ve Ultralytics YOLOv8 gibi Ultralytics YOLO modelleri, nesne algılama (bir görüntüdeki tek tek özellikleri tanımlama ve konumlandırma) ve örnek segmentasyonu (her özelliğin ana hatlarını piksel düzeyinde belirleme) gibi computer vision görevlerini destekler. Bu görevler, tanecikler ve sınırlar gibi nano ölçekteki yapıların yakalandıkları anda doğrudan TEM görüntülerinde algılanmasını mümkün kılar.
Şekil 1. Mevcut mikroskopi görüntüsü ve veri analizi iş akışı. Bilim insanları, mühendisler ve araştırmacılar, iş akışının sonunda nihayetinde keşif ve yanıtlar arıyor. Bu sırada iş akışı kopuk ve zahmetli; her adım için gereken göreli süre/iş gücü aşağıda gösteriliyor. Özellik algılama ve birleştirme, iş akışının en çok zaman alan aşamalarıdır. Edinime geri dönen gri oklar, mevcut verilerin kullanışlı olmaması nedeniyle verilerin yeniden elde edilmesi gerektiğini gösteriyor. Kaynak: Theia Scientific.
Örneğin, polikristal ince filmler üzerine yakın zamanda yapılan bir çalışmada Theiascope™ ve Ultralytics YOLO modelleri, elektronik, kaplamalar ve enerji cihazlarında kullanılan malzemelerin özelliklerini etkileyen tanecik yapılarını tanımlamak ve ölçmek için kullanıldı. Doğru tanecik boyutu dağılımları, bu filmlerin deneyler sırasında nasıl evrildiğini anlamak için kritik öneme sahiptir.
Ultralytics YOLO modellerinin bu kullanım alanlarında bu kadar etkili olmasının temel nedenlerinden biri, büyük veri kümeleri üzerinde enterpolasyon yapabilmeleridir. Araştırmacıların bir deneydeki her kareyi etiketlemesi gerekmez; görüntülerin yalnızca küçük bir bölümünü açıklayabilir, bir YOLO modeli eğitebilir ve ardından modelin binlerce ek kareyi güvenilir şekilde analiz etmesini sağlayabilir. Bu, tanecik büyümesinin ve sınır değişikliklerinin hızlandırılmış TEM deneyleri boyunca minimum manuel girişle izlenmesini mümkün kılar.
Neden Ultralytics YOLO modellerini seçmelisin?#
Daha önce ele alınan polikristal ince filmler çalışmasında Ultralytics YOLOv8, bilimsel görüntü analizinde sıklıkla kullanılan bir model olan U‑Net'ten 43 kat daha hızlı bulundu. Bu hız, YOLO'yu gerçek zamanlı, mikroskop üzerinde analiz için pratik hâle getiriyor.
U‑Net doğru ancak yavaşken YOLO, hızı doğrulukla birleştirerek tanecik boyutu ölçümlerini gerçek değerle %3 içinde eşleştiriyor. Tasarımı ayrıca farklı ölçekleri ve eğitim kurulumlarını kolayca ele almasını sağlayarak daha esnek hâle getiriyor. Araştırmacılar için bu, güvenilirlikten ödün vermeden daha hızlı sonuçlar anlamına geliyor ve mikroskopi iş akışlarını hızlandırmak için ideal bir çözüm sunuyor.
Şekil 2. Manuel izleme (b) ve U‑Net (c) ile karşılaştırıldığında YOLOv8 segmentasyonu (d), mikroskopi görüntülerinde daha keskin ve doğru ana hatlar sunar. (Kaynak)
YOLO ile mikroskopide yanlılığı azaltma ve tutarlılığı artırma#
Theiascope™ platformu aracılığıyla Theia Scientific, Ultralytics YOLO modellerinin mikroskopi görüntüsü analizini ve TEM deneylerini hızlandırırken tekrarlanabilir ve uzun vadeli araştırmayı destekleyebildiğini gösterdi. Platform mikroskop türünden bağımsız olacak şekilde tasarlanmıştır; bu, YOLO modellerinin özel iş akışları gerektirmeden farklı cihazlardan toplanan görüntüleri analiz etmek için kullanıldığı anlamına gelir. Bu esneklik, farklı deneyler, operatörler ve ortamlar arasındaki iş akışlarının tutarlı kalmasını sağlar.
Tekrarlanabilirlik bir diğer önemli sonuçtur. Bilimsel araştırmalarda sonuçların yıllar sonra yeniden incelenmesi ve doğrulanması sıklıkla gerekir. Theiascope™ platformuna entegre edilen çeşitli YOLO modelleri sayesinde araştırmacılar, Ultralytics YOLOv5 gibi eski modelleri arşivlenmiş veri kümeleri üzerinde yeniden çalıştırarak tutarlı çıktılar elde edebilir ve bunları Ultralytics YOLO11 gibi daha yeni modellerin sonuçlarıyla doğrudan karşılaştırabilir. Bu, yapay zeka yöntemleri geliştikçe bile bulguların doğrulanmasını kolaylaştırır.
Şekil 3. Theiascope™ platformu. Elektron mikroskopisi görüntüleri yakalanır ve edinim bilgisayarından web uygulaması, zaman serisi veritabanı ve Ultralytics YOLO modellerini çalıştıran GPU destekli bir cihaza aktarılır. Güncellemeler ve yeni Ultralytics YOLO modelleri, OTA güncellemeleriyle platforma gönderilebilir. Kaynak: Theia Scientific.
Ayrıca Ultralytics YOLO modelleri, platforma büyük veri kümelerini işlemek için gereken ölçeklenebilirliği kazandırır. Gerçek zamanlı çıkarım yetenekleri, binlerce TEM görüntüsünün yalnızca birkaç görüntüyü manuel olarak analiz etmek için gereken sürede analiz edilmesini sağlar. Bu, araştırmacıların tanecik büyümesi gibi dinamik süreçleri tüm deneyler boyunca izlemesine, en ileri araştırmalar için gereken ölçekte ve hızda yeni içgörüler üretmesine ve yenilikçi deneylerin önünü açmasına olanak tanır.
Gelişmiş Vision AI'ı yeni nesil araştırma araçlarına entegre etme#
Theia Scientific, Ultralytics YOLO modellerini mikroskopinin geleceği için bir temel olarak görüyor. Eğitim yöntemlerini ve kalibrasyon yaklaşımlarını geliştirmeye devam ederek farklı ölçekler ve deney koşulları genelinde doğruluğu daha da artırmayı amaçlıyor.
İlerleyen dönemde Theia Scientific, Theiascope™ platformunu daha karmaşık, yerinde deneyleri ve çok modlu veri kümelerini destekleyecek şekilde genişletmeyi planlıyor. Şirket, Vision AI'ın yeni nesil araştırma iş akışlarının standart bir parçası hâline gelerek bilimsel alanlar genelinde daha hızlı keşif ve daha derin içgörüler sağlayacağına inanıyor.
Şirketinin iş akışlarını kolaylaştırmakla mı ilgileniyorsun? Vision AI hakkında daha fazla bilgi edinmek için GitHub depomuzu incele. YOLO modellerinin sağlık hizmetlerinde yapay zeka ve perakendede computer vision gibi alanlarda yenilikleri nasıl desteklediğini keşfet. YOLO'yu uygulamalı olarak kullanmaya başlamak için lisans seçeneklerimizin hedeflerini nasıl destekleyebileceğini öğren.
