Theia Scientific tái định nghĩa phân tích dữ liệu hiển vi bằng các mô hình Ultralytics YOLO

Nghiên cứu khoa học trong các lĩnh vực như khoa học vật liệu và công nghệ nano thường phụ thuộc vào hạt tích điện, thăm dò quét và kính hiển vi quang học để khám phá các cấu trúc mà mắt người không nhìn thấy được. Ví dụ: Kính hiển vi điện tử truyền qua (TEM) là một công cụ quan trọng, có khả năng chụp được các chi tiết tinh vi ở quy mô nano và nguyên tử.

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

Khám phá vai trò của Vision AI trong chụp 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 hiển vi. Với chuyên môn bao gồm khoa học vật liệu, tự động hóa công nghiệp, điện tử và kỹ thuật phần mềm, họ tập trung vào việc giảm các tắc nghẽn mà các nhà khoa học, kỹ sư và nhà nghiên cứu gặp phải khi phân tích dữ liệu hình ảnh phức tạp. 

Sản phẩm hàng đầu của họ, nền tảng Theiascope™, tích hợp thị giác máy tính để tự động phát hiện, phân đoạn và đo lường các đặc điểm trong hình ảnh hiển vi điện tử. Bằng cách dựa vào AI Thị giác 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 hiển vi lại khó phân tích thủ công?

Hình ảnh hiển vi, đặc biệt là những hình ảnh được chụp bằng TEM, rất chi tiết nhưng khó diễn giải. Mỗi hình ảnh chứa hàng trăm đến hàng nghìn đặc điểm và cấu trúc nhỏ, chẳng hạn như hạt và ranh giới, phải được xác định, chú thích, theo dõi và/hoặc đo lường cẩn thận để trích xuất dữ liệu có ý nghĩa. Theo truyền thống, điều này được thực hiện bằng tay, rất chậm và có thể khác nhau giữa người này với người khác. Hai nhà nghiên cứu có thể chú thích cùng một hình ảnh khác nhau, dẫn đến kết quả không nhất quán và sai số lớn.

Quá trình này thậm chí còn trở nên phức tạp hơn khi có liên quan đến các tập dữ liệu (datasets) lớn. Để có được những hiểu biết đáng tin cậy, hàng nghìn hình ảnh thường cần được phân tích, điều này có thể mất hàng tuần hoặc thậm chí hàng tháng khi sử dụng các phương pháp thủ công. Trên hết, sự thay đổi về độ tương phản, nhiễu và các cấu trúc chồng chéo làm cho quá trình này trở nên khó khăn hơn.

Đối với các nhà nghiên cứu muốn nghiên cứu sự phát triển vi cấu trúc hoặc theo dõi các 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 và đáng tin cậy hơn.

Nâng cao quy trình làm việc hiển vi bằng cách sử dụng các mô hình Ultralytics YOLO

Sau khi khám phá các phương pháp khác nhau để tự động hóa phân tích dữ liệu hiển vi, Theia Scientific nhận thấy rằng các mô hình Ultralytics YOLO cung cấp tốc độ, độ chính xác và tính linh hoạt cần thiết cho phân tích hình ảnh hiển vi theo thời gian thực, cho phép kết quả định lượng tức thì tại 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 hình ảnh) và phân đoạn thể hiện (vẽ đường viền cho từng đặc điểm ở cấp độ pixel). Các tác vụ này giúp có thể phát hiện các cấu trúc kích thước nano, chẳng hạn như hạt và ranh giới, trực tiếp trong hình 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 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 này phát triển trong các thí nghiệm. 

Một trong những lý do chính khiến các mô hình Ultralytics YOLO hiệu quả trong các trường hợp sử dụng này là khả năng nội suy trên các tập dữ liệu lớn. Thay vì yêu cầu mọi khung hình trong một thí nghiệm phải được gắn nhãn, các nhà nghiên cứu có thể chú thích một phần nhỏ hình ảnh, huấn luyện mô hình YOLO, và sau đó cho phép nó phân tích một cách đáng tin cậy hàng ngàn khung hình bổ sung. Điều này giúp có thể theo dõi sự phát triển của hạt và những thay đổi ranh giới trong các thí nghiệm TEM time-lapse với đầu vào thủ công tối thiểu.

Tại sao nên chọn các mô hình Ultralytics YOLO?

Trong nghiên cứu về màng mỏng đa tinh thể được thảo luận trước đó, Ultralytics YOLOv8 đã được chứng minh là 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 làm cho YOLO trở nên thiết thực để phân tích theo thời gian thực trên kính hiển vi. 

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 vòng 3% so với ground truth. Thiết kế của nó cũng làm cho nó linh hoạt hơn, dễ dàng xử lý các quy mô và thiết lập huấn luyện khác nhau. Đối với các nhà nghiên cứu, điều này có nghĩa là kết quả nhanh hơn mà không làm giảm độ tin cậy, điều này lý tưởng để tăng tốc quy trình làm việc hiển vi.

‍

Giảm thiểu sai lệch và tăng cường tính nhất quán trong hiển vi bằng YOLO

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

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

‍

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

Theia Scientific xem các mô hình Ultralytics YOLO là nền tảng cho tương lai của kính hiển vi. Bằng cách tiếp tục tinh chỉnh các phương pháp huấn luyện và các phương pháp hiệu chỉnh, họ mong muốn cải thiện hơn nữa độ chính xác trên các quy mô và điều kiện thử nghiệm. 

Trong tương lai, Theia Scientific có kế hoạch mở rộng Theiascope™ để hỗ trợ các thí nghiệm in-situ phức tạp hơn và các bộ dữ liệu đa phương thức. Họ tin rằng Vision AI có khả năng 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 các 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 sự đổi mới trong các lĩnh vực như AI trong lĩnh vực chăm sóc sức khỏe và thị giác máy tính trong lĩnh vực bán lẻ. Để trực tiếp trải nghiệm YOLO, hãy khám phá cách các tùy chọn cấp phép của chúng tôi có thể hỗ trợ tầm nhìn của bạn.