Theia Scientific, Ultralytics YOLO modellerini platformuna entegre ederek mikroskopi verilerinin işlenme şeklini dönüştürdü ve analizleri daha verimli, daha güvenilir hale getirdi.
Malzeme bilimi ve nanoteknoloji gibi alanlardaki bilimsel araştırmalar, insan gözünün göremediği yapıları incelemek için sıklıkla yüklü parçacık, taramalı prob ve optik mikroskopi yöntemlerine dayanır. Örneğin Geçirimli Elektron Mikroskobu (TEM), nano ve atomik ölçekteki ince ayrıntıları yakalayabilen temel bir araçtır.
Ne yazık ki bu görüntüler elde edildikten sonra analiz edilmeleri yavaş ve karmaşık olabilir; çoğu zaman önemli ölçüde elle çalışma ve alan uzmanlığı gerektirir. Bu süreci iyileştirmek için Theia Scientific, görüntü algılama, bölütleme ve nicel ölçümleri otomatikleştirmek üzere Ultralytics YOLO modellerini entegre eden, gerçek zamanlı bir mikroskopi görüntüsü analiz sistemi olan Theiascope™ platformunu geliştirdi. Böylece mikroskopi daha hızlı, verimli ve tekrarlanabilir hale geliyor.
Bilimsel görüntülemede Görsel Yapay Zekânın 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 mühendisliğini kapsayan uzmanlıklarıyla bilim insanlarının, mühendislerin ve araştırmacıların karmaşık görüntü verilerini analiz ederken karşılaştığı darboğazları azaltmaya odaklanıyorlar.
Amiral gemisi ürünleri Theiascope™ platformu, elektron mikroskobu görüntülerindeki özellikleri otomatik olarak algılamak, bölütlemek ve ölçmek için bilgisayarlı görü teknolojisini entegre ediyor. Platform, elle etiketleme ve izleme yerine Görsel Yapay Zekâdan yararlanarak tutarlı ve tekrarlanabilir sonuçlar sunuyor.
Mikroskopi görüntülerini elle analiz etmek neden zordur?#
Özellikle TEM ile çekilen mikroskopi görüntüleri çok ayrıntılıdır, ancak yorumlanmaları zordur. Her görüntü, anlamlı veri elde etmek için dikkatle tanımlanması, etiketlenmesi, izlenmesi ve/veya ölçülmesi gereken taneler ve sınırlar gibi yüzlerce ya da binlerce ince özellik ve yapı içerir. Geleneksel olarak bu işlemler elle yapılır; bu da yavaştır ve kişiden kişiye değişebilir. İki araştırmacı aynı görüntüyü farklı biçimlerde etiketleyerek tutarsız sonuçlara ve geniş hata çubuklarına yol açabilir.
Büyük veri kümeleri söz konusu olduğunda bu süreç daha da karmaşıklaşır. Güvenilir bilgiler elde etmek için çoğu zaman binlerce görüntünün analiz edilmesi gerekir; elle uygulanan yöntemlerle bu işlem haftalar, hatta aylar sürebilir. Üstelik kontrast farklılıkları, gürültü ve üst üste binen yapılar süreci daha da zorlaştırır.
Mikroyapısal evrimi incelemek veya zaman içindeki değişiklikleri izlemek isteyen araştırmacılar için bu sorunlar araştırmaları yavaşlatabilir. Theia Scientific, bu kaygıların daha otomatik ve güvenilir bir çözüm gerektirdiğini fark etti.
Ultralytics YOLO modelleriyle mikroskopi iş akışlarını iyileştirmek#
Mikroskopi verilerinin analizini otomatikleştirmek için farklı yaklaşımları değerlendiren Theia Scientific, Ultralytics YOLO modellerinin gerçek zamanlı mikroskopi görüntüsü analizi için gereken hızı, doğruluğu ve esnekliği sunduğunu gördü; böylece deneyler devam ederken mikroskop başında anında nicel sonuçlar elde edilebiliyor. Ultralytics YOLO11 gibi Ultralytics YOLO modelleri ve Ultralytics YOLOv8, nesne algılama (bir görüntüdeki özellikleri tek tek belirleyip konumlandırma) ve örnek segmentasyonu (her özelliğin sınırlarını piksel düzeyinde belirleme) gibi bilgisayarlı görü görevlerini destekler. Bu görevler, görüntüler çekilirken tane ve sınır gibi nano ölçekteki yapıların doğrudan TEM görüntülerinde tespit edilmesini sağlar.
Şekil 1. Mevcut mikroskopi görüntüsü ve veri analizi iş akışı. Bilim insanları, mühendisler ve araştırmacılar iş akışının sonunda yeni keşiflere ulaşmayı ve yanıtlar bulmayı hedefliyor. İş akışı ise kopuk ve zahmetli; her adım için gereken göreli süre/iş gücü altta gösteriliyor. Özellik algılama ve bir araya getirme, iş akışında en çok zaman alan aşamalardır. Veri toplama adımına geri dönen gri oklar, mevcut verilerin işe yaramaması nedeniyle verilerin yeniden toplanması 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 tane yapılarını tanımlamak ve ölçmek için kullanıldı. Deneyler sırasında bu filmlerin nasıl değiştiğini anlamak için tane boyutu dağılımlarının doğru ölçülmesi kritik önem taşıyor.
Ultralytics YOLO modellerinin bu kullanım alanlarında bu kadar etkili olmasının temel nedenlerinden biri, büyük veri kümeleri arasında çıkarım yapabilmeleridir. Araştırmacılar, bir deneydeki her kareyi etiketlemek yerine görüntülerin yalnızca küçük bir bölümünü açıklayıp bir YOLO modeli eğitebilir ve ardından modelin binlerce ek kareyi güvenilir biçimde analiz etmesini sağlayabilir. Böylece, çok az manuel girdiyle zaman atlamalı TEM deneyleri boyunca tane büyümesini ve sınır değişikliklerini izlemek mümkün olur.
Neden Ultralytics YOLO modellerini seçmeli?#
Daha önce ele alınan polikristal ince filmler çalışmasında Ultralytics YOLOv8, bilimsel görüntü analizinde sık kullanılan bir model olan U-Net'ten 43 kata kadar daha hızlı bulundu. Bu hız, YOLO'yu mikroskop başında gerçek zamanlı analiz için elverişli kılıyor.
U-Net doğru sonuçlar verse de yavaştır; YOLO ise hızı doğrulukla birleştirerek tane boyutu ölçümlerinde gerçek değerden %3'ten daha az sapar. Tasarımı ayrıca farklı ölçekleri ve eğitim kurulumlarını kolaylıkla işleyebilmesini sağlayarak daha esnek olmasına olanak tanır. Araştırmacılar için bu, güvenilirlikten ödün vermeden daha hızlı sonuçlar almak anlamına gelir ve mikroskopi iş akışlarını hızlandırmak için idealdir.
Şekil 2. Manuel izleme (b) ve U-Net (c) ile karşılaştırıldığında, YOLOv8 segmentasyonu (d) mikroskopi görüntülerinde daha keskin ve doğru sınırlar sunar. (Kaynak)
YOLO ile mikroskopide yanlılığı azaltıp tutarlılığı artırmak#
Theia Scientific, Theiascope™ platformu aracılığıyla Ultralytics YOLO modellerinin mikroskopi görüntüsü analizini ve TEM deneylerini hızlandırırken tekrarlanabilir, uzun vadeli araştırmaları da destekleyebileceğini gösterdi. Platform mikroskoptan bağımsız olacak şekilde tasarlanmıştır; başka bir deyişle, YOLO modelleri farklı cihazlarla toplanan görüntüleri özel iş akışları gerektirmeden analiz eder. Bu esneklik, farklı deneyler, operatörler ve ortamlar arasında iş akışlarının tutarlı kalmasını sağlar.
Tekrarlanabilirlik de bir diğer temel sonuç. Bilimsel araştırmalarda sonuçların yıllar sonra yeniden incelenmesi ve doğrulanması sıkça gerekir. Theiascope™ platformuna çeşitli YOLO modelleri entegrelendiği için araştırmacılar, arşivlenmiş veri kümelerinde Ultralytics YOLOv5 gibi eski modelleri yeniden çalıştırıp tutarlı çıktılar elde edebilir ve bunları Ultralytics YOLO11 gibi yeni modellerin sonuçlarıyla doğrudan karşılaştırabilir. Böylece yapay zekâ yöntemleri geliştikçe bile bulguların doğrulanması kolaylaşır.
Şekil 3. Theiascope™ platformu. Elektron mikroskobu görüntüleri çekilir ve veri toplama bilgisayarından web uygulaması, zaman serisi veri tabanı ve Ultralytics YOLO modelleri çalıştıran GPU özellikli bir cihaza aktarılır. Güncellemeler ve yeni Ultralytics YOLO modelleri, havadan güncellemeler (OTA) ile platforma gönderilebilir. Kaynak: Theia Scientific.
Ayrıca Ultralytics YOLO modelleri, platformun büyük veri kümelerini işlemesi için gereken ölçeklenebilirliği sağlar. Gerçek zamanlı çıkarım yetenekleri sayesinde binlerce TEM görüntüsü, yalnızca birkaç görüntüyü manuel olarak analiz etmek için gereken sürede analiz edilebilir. Bu, araştırmacıların tüm deneyler boyunca tane büyümesi gibi dinamik süreçleri izlemesini, çığır açan araştırmalar için gereken ölçekte ve hızda yeni içgörüler elde etmesini ve yeni deneylerin önünü açmasını sağlar.
Yeni nesil araştırma araçlarına gelişmiş Vision AI entegrasyonu#
Theia Scientific, Ultralytics YOLO modellerini mikroskopinin geleceğinin temeli olarak görüyor. Eğitim yöntemlerini ve kalibrasyon yaklaşımlarını geliştirmeyi sürdürerek farklı ölçeklerde ve deney koşullarında doğruluğu daha da artırmayı hedefliyorlar.
Theia Scientific, ilerleyen dönemde Theiascope™'u daha karmaşık, in-situ deneyleri ve çok modlu veri kümelerini destekleyecek şekilde genişletmeyi planlıyor. Vision AI'ın yeni nesil araştırma iş akışlarının standart bir parçası hâline gelerek bilimsel alanlarda daha hızlı keşiflere ve daha derin içgörülere olanak tanıyacağına inanıyorlar.
Şirketinin iş akışlarını kolaylaştırmak mı istiyorsun? Vision AI hakkında daha fazla bilgi edinmek için GitHub depomuza göz at. YOLO modellerinin sağlık hizmetlerinde AI ve perakendede bilgisayarlı görü gibi alanlarda yenilikleri nasıl desteklediğini keşfet. YOLO'yu uygulamalı olarak kullanmaya başlamak için lisans seçeneklerimizin vizyonunu nasıl destekleyebileceğini öğren.
Yazan
İçerik Üreticisi · Ultralytics
