Theia Scientific định nghĩa lại phân tích dữ liệu kính hiển vi với các mô hình YOLO của Ultralytics

Nghiên cứu khoa học trên nhiều lĩnh vực như khoa học vật liệu và công nghệ nano thường phụ thuộc vào hạt tích điện, đầu dò quét và kính hiển vi quang học để khám phá các cấu trúc vô hình đối với mắt người. Ví dụ, Kính hiển vi điện tử truyền qua (TEM) là một công cụ quan trọng, có khả năng chụp các chi tiết nhỏ ở cấp độ nano và nguyên tử.

Thật không may, sau khi thu được những hình ảnh này, việc phân tích chúng có thể chậm và phức tạp, thường đòi hỏi nhiều nỗ lực thủ công và chuyên môn chuyên ngành. Để cải thiện quy trình này, Theia Scientific đã phát triển nền tảng Theiascope™, một hệ thống phân tích hình ảnh kính hiển vi thời gian thực tích hợp các mô hình Ultralytics YOLO để tự động hóa việc phát hiện hình ảnh, phân đoạn và đo lường định lượng, giúp kính hiển vi nhanh hơn, hiệu quả hơn và có thể tái tạo được.

Khám phá vai trò của Vision AI trong hình ảnh khoa học

Được thành lập bởi hai anh em Kevin và Christopher Field, Theia Scientific phát triển các công cụ phần mềm tiên tiến để đẩy nhanh nghiên cứu kính hiển vi. Với chuyên môn trải dài trên các lĩnh vực khoa học vật liệu, tự động hóa công nghiệp, điện tử và kỹ thuật phần mềm, họ tập trung vào việc giảm thiểu những khó khăn mà các nhà khoa học, kỹ sư và nhà nghiên cứu gặp phải khi phân tích dữ liệu hình ảnh phức tạp. 

Sản phẩm chủ lực của họ, nền tảng Theiascope™, tích hợp công nghệ thị giác máy tính để tự động phát hiện, phân đoạn và đo lường các đặc điểm trong hình ảnh kính hiển vi điện tử. Nhờ sử dụng Vision AI thay vì chú thích và theo dõi thủ công, nền tảng này cung cấp kết quả nhất quán và có thể tái tạo.

Tại sao hình ảnh kính hiển vi lại khó phân tích thủ công?

Hình ảnh kính hiển vi, đặc biệt là hình ảnh chụp bằng TEM, rất chi tiết nhưng lại khó diễn giải. Mỗi hình ảnh chứa hàng trăm đến hàng nghìn đặc điểm và cấu trúc tinh tế, chẳng hạn như các hạt và ranh giới, cần được xác định, chú thích, theo dõi và/hoặc đo lường cẩn thận để trích xuất dữ liệu có ý nghĩa. Thông thường, việc này được thực hiện thủ công, chậm và có thể khác nhau tùy từng người. Hai nhà nghiên cứu có thể chú thích cùng một hình ảnh theo những cách khác nhau, dẫn đến kết quả không nhất quán và sai số lớn.

Quá trình này thậm chí còn phức tạp hơn khi sử dụng các tập dữ liệu lớn. Để có được thông tin chi tiết đáng tin cậy, thường cần phân tích hàng ngàn hình ảnh, có thể mất hàng tuần hoặc thậm chí hàng tháng nếu sử dụng phương pháp thủ công. Hơn nữa, sự thay đổi về độ tương phản, nhiễu và các cấu trúc chồng chéo khiến quá trình này càng trở nên khó khăn hơn.

Đối với các nhà nghiên cứu muốn nghiên cứu sự tiến hóa của cấu trúc vi mô hoặc theo dõi những thay đổi theo thời gian, những vấn đề này có thể làm chậm quá trình nghiên cứu. Theia Scientific nhận thấy những lo ngại này đòi hỏi một giải pháp tự động hóa và đáng tin cậy hơn.

Cải thiện quy trình làm việc kính hiển vi bằng cách sử dụng các mô hình Ultralytics YOLO

Sau khi khám phá các phương pháp tiếp cận khác nhau để tự động hóa phân tích dữ liệu kính hiển vi, Theia Scientific nhận thấy các mô hình Ultralytics YOLO cung cấp tốc độ, độ chính xác và tính linh hoạt cần thiết cho việc phân tích hình ảnh kính hiển vi thời gian thực, cho phép thu thập kết quả định lượng tức thì ngay trên kính hiển vi trong khi các thí nghiệm vẫn đang được tiến hành. Các mô hình Ultralytics YOLO như Ultralytics YOLO11 và Ultralytics YOLOv8 hỗ trợ các tác vụ thị giác máy tính như phát hiện đối tượng (xác định và định vị các đặc điểm riêng lẻ trong ảnh) và phân đoạn thực thể (phác thảo từng đặc điểm ở cấp độ pixel). Các tác vụ này cho phép phát hiện các cấu trúc nano, chẳng hạn như hạt và ranh giới, trực tiếp trong ảnh TEM khi chúng được chụp.

‍

Ví dụ, trong một nghiên cứu gần đây về màng mỏng đa tinh thể , các mô hình Theiascope™ và Ultralytics YOLO đã được sử dụng để xác định và đo lường cấu trúc hạt ảnh hưởng đến các đặc tính của vật liệu được sử dụng trong thiết bị điện tử, lớp phủ và thiết bị năng lượng. Phân bố kích thước hạt chính xác là rất quan trọng để hiểu cách các màng mỏng này phát triển trong quá trình thí nghiệm. 

Một trong những lý do chính khiến mô hình YOLO của Ultralytics rất hiệu quả trong những trường hợp sử dụng này là khả năng nội suy trên các tập dữ liệu lớn. Thay vì yêu cầu phải gắn nhãn cho từng khung hình trong một thí nghiệm, các nhà nghiên cứu có thể chỉ cần chú thích một phần nhỏ hình ảnh, huấn luyện mô hình YOLO, rồi để nó phân tích đáng tin cậy hàng nghìn khung hình bổ sung. Điều này cho phép theo dõi sự phát triển của hạt và thay đổi ranh giới trong các thí nghiệm TEM theo thời gian với thao tác thủ công tối thiểu.

Tại sao nên chọn mô hình YOLO của Ultralytics?

Trong nghiên cứu về màng mỏng đa tinh thể đã thảo luận trước đó, Ultralytics YOLOv8 được phát hiện nhanh hơn tới 43 lần so với U-Net (một mô hình thường được sử dụng để phân tích hình ảnh khoa học). Tốc độ này giúp YOLO trở nên thiết thực cho việc phân tích trên kính hiển vi theo thời gian thực. 

Trong khi U-Net chính xác nhưng chậm, YOLO kết hợp tốc độ với độ chính xác, khớp các phép đo kích thước hạt trong phạm vi 3% so với thực tế. Thiết kế của nó cũng giúp nó linh hoạt hơn, dễ dàng xử lý các thang đo và thiết lập đào tạo khác nhau. Đối với các nhà nghiên cứu, điều này đồng nghĩa với kết quả nhanh hơn mà không ảnh hưởng đến độ tin cậy, lý tưởng để tăng tốc quy trình làm việc kính hiển vi.

‍

Giảm độ lệch và tăng cường tính nhất quán trong kính hiển vi với YOLO

Thông qua nền tảng Theiascope™, Theia Scientific đã chứng minh các mô hình YOLO của Ultralytics có thể tăng tốc phân tích hình ảnh kính hiển vi và các thí nghiệm TEM, đồng thời hỗ trợ nghiên cứu dài hạn, có thể tái tạo. Nền tảng này được thiết kế để không phụ thuộc vào kính hiển vi, nghĩa là các mô hình YOLO được sử dụng để phân tích hình ảnh thu thập từ các thiết bị khác nhau mà không cần các quy trình tùy chỉnh. Tính linh hoạt này đảm bảo quy trình làm việc luôn nhất quán giữa các thí nghiệm, người vận hành và môi trường khác nhau.

Khả năng tái tạo là một kết quả quan trọng khác. Nghiên cứu khoa học thường đòi hỏi kết quả phải được xem xét lại và xác thực nhiều năm sau đó. Với nhiều mô hình YOLO được tích hợp vào Theiascope™, các nhà nghiên cứu có thể chạy lại các mô hình cũ hơn như Ultralytics YOLOv5 trên các tập dữ liệu đã lưu trữ và thu được kết quả đầu ra nhất quán, sau đó so sánh trực tiếp với kết quả từ các mô hình mới hơn như Ultralytics YOLO11. Điều này giúp việc xác minh kết quả trở nên đơn giản, ngay cả khi các phương pháp AI đang phát triển.

‍

Ngoài ra, các mô hình YOLO của Ultralytics cung cấp cho nền tảng khả năng mở rộng cần thiết để xử lý các tập dữ liệu lớn. Khả năng suy luận thời gian thực của chúng cho phép phân tích hàng nghìn ảnh TEM trong thời gian chỉ bằng cách phân tích thủ công một vài ảnh. Điều này cho phép các nhà nghiên cứu theo dõi các quá trình động như sự phát triển của hạt trong toàn bộ thí nghiệm, tạo ra những hiểu biết mới và mở ra những thí nghiệm mới ở cả quy mô và tốc độ cần thiết cho nghiên cứu tiên tiến.

Tích hợp Vision AI tiên tiến vào các công cụ nghiên cứu thế hệ tiếp theo

Theia Scientific coi các mô hình YOLO của Ultralytics là nền tảng cho tương lai của kính hiển vi. Bằng cách tiếp tục cải tiến các phương pháp đào tạo và phương pháp hiệu chuẩn, họ đặt mục tiêu cải thiện hơn nữa độ chính xác trên mọi quy mô và điều kiện thử nghiệm. 

Trong tương lai, Theia Scientific có kế hoạch mở rộng Theiascope™ để hỗ trợ các thí nghiệm tại chỗ phức tạp hơn và các bộ dữ liệu đa phương thức. Họ tin rằng Vision AI có khả năng sẽ trở thành một phần tiêu chuẩn của quy trình nghiên cứu thế hệ tiếp theo, cho phép khám phá nhanh hơn và hiểu biết sâu sắc hơn trên nhiều lĩnh vực khoa học.

Bạn quan tâm đến việc hợp lý hóa quy trình làm việc của công ty mình? Hãy xem kho lưu trữ GitHub của chúng tôi để tìm hiểu thêm về Vision AI. Khám phá cách các mô hình YOLO đang thúc đẩy đổi mới trong các lĩnh vực như AI trong chăm sóc sức khỏe và thị giác máy tính trong bán lẻ . Để trải nghiệm thực tế với YOLO, hãy khám phá cách các tùy chọn cấp phép của chúng tôi có thể hỗ trợ tầm nhìn của bạn.