Theia Scientific tăng tốc phân tích hiển vi gấp 43 lần với Ultralytics YOLO

Nghiên cứu khoa học trong các lĩnh vực như khoa học vật liệu và công nghệ nano thường phụ thuộc vào microscopy hạt tích điện, đầu dò quét và quang học để khám phá các cấu trúc mà mắt người không thể nhìn thấy. Ví dụ, Kính hiển vi điện tử truyền qua (TEM) là một công cụ chủ chốt, có khả năng ghi lại các chi tiết nhỏ ở quy mô nano và nguyên tử.

Đáng tiếc là, sau khi có được những hình ảnh này, việc phân tích chúng có thể rất chậm chạp và phức tạp, thường đòi hỏi nhiều nỗ lực thủ công và chuyên môn trong lĩnh vực đó. 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 Ultralytics YOLO models để tự động hóa việc phát hiện, phân đoạn và đo lường định lượng hình ảnh, giúp cho việc sử dụng kính hiển vi nhanh hơn, hiệu quả hơn và có thể tái lập.

Link to this sectionKhám 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 nhằm tăng tốc nghiên cứu kính hiển vi. Với chuyên môn trải dài từ khoa học vật liệu, tự động hóa công nghiệp, điện tử, đến kỹ thuật phần mềm, họ tập trung vào việc giảm thiểu các nút thắt 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 computer vision để tự động phát hiện, phân đoạn và đo lường các đặc trưng trong hình ảnh kính hiển vi điện tử. Bằng cách dựa vào Vision AI thay vì chú thích và truy vết thủ công, nền tảng này mang lại kết quả nhất quán và có thể tái lập.

Link to this sectionTại sao hình ảnh kính hiển vi khó phân tích thủ công?#

Hình ảnh kính hiển vi, đặc biệt là những hình ảnh chụp bằng TEM, rất chi tiết nhưng khó diễn giải. Mỗi hình ảnh chứa hàng trăm đến hàng nghìn đặc trưng và cấu trúc nhỏ, chẳng hạn như hạt và biên giới, cần phải được xác định, chú thích, truy vết và/hoặc đo lường cẩn thận để trích xuất dữ liệu có ý nghĩa. Theo truyền thống, công việc này được thực hiện thủ công, vốn chậm chạp và có thể thay đổi tùy theo 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.

Quy trình này trở nên phức tạp hơn khi liên quan đến các datasets lớn. Để có được thông tin đáng tin cậy, thường cần phải phân tích hàng nghìn hình ảnh, việc này có thể mất hàng tuần hoặc thậm chí hàng tháng nếu sử dụng các phương pháp thủ công. Thêm vào đó, sự khác biệt về độ tương phản, nhiễu và các cấu trúc chồng chéo khiến quy trình này càng khó khăn hơn.

Đối với các nhà nghiên cứu muốn nghiên cứu sự tiến hóa vi cấu trúc 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 mối quan tâm này đòi hỏi một giải pháp tự động và đáng tin cậy hơn.

Link to this sectionNâng cao quy trình làm việc bằng kính hiển vi sử dụng các model Ultralytics YOLO#

Sau khi khám phá các phương pháp khác nhau để tự động hóa phân tích dữ liệu kính hiển vi, Theia Scientific nhận thấy các model 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 có kết quả định lượng tức thì ngay tại kính hiển vi trong khi thí nghiệm vẫn đang diễn ra. Các model Ultralytics YOLO như Ultralytics YOLO11 và Ultralytics YOLOv8 hỗ trợ các tác vụ computer vision như phát hiện đối tượng (xác định và định vị các đặc trưng riêng lẻ trong hình ảnh) và phân đoạn cá thể (phác thảo từng đặc trưng ở cấp độ pixel). Những tác vụ này giúp phát hiện các cấu trúc quy mô nano, như hạt và biên giới, trực tiếp trong hình ảnh TEM ngay khi chúng được ghi lại.

Hình 1. Quy trình phân tích dữ liệu và hình ảnh kính hiển vi hiện tại. Các nhà khoa học, kỹ sư và nhà nghiên cứu cuối cùng đều tìm kiếm sự khám phá và câu trả lời ở cuối quy trình. Trong khi đó, quy trình này rời rạc và tốn công sức, với thời gian/công sức tương đối cần thiết cho mỗi bước được hiển thị ở phía dưới. Việc phát hiện đặc trưng và tổng hợp là những giai đoạn tốn thời gian nhất trong quy trình. Các mũi tên màu xám dẫn ngược trở lại khâu thu thập dữ liệu thể hiện việc phải thu thập lại dữ liệu vì dữ liệu hiện tại không hữu ích. Nguồn: Theia Scientific.

Ví dụ, trong một nghiên cứu gần đây về polycrystalline thin films, Theiascope™ và các model Ultralytics YOLO đã được sử dụng để xác định và đo lường các cấu trúc hạt ảnh hưởng đến tính chất của vật liệu được sử dụng trong điện tử, lớp phủ và các thiết bị năng lượng. Phân phối kích thước hạt chính xác là rất quan trọng để hiểu cách các màng này tiến hóa trong quá trình thí nghiệm.

Một trong những lý do chính khiến các model Ultralytics YOLO hiệu quả trong các trường hợp sử dụng này là khả năng nội suy trên các datasets lớn. Thay vì yêu cầu mọi khung hình trong một thí nghiệm phải được dán nhãn, các nhà nghiên cứu có thể chú thích chỉ một phần nhỏ hình ảnh, huấn luyện một model YOLO, sau đó để nó phân tích đáng tin cậy hàng nghìn khung hình bổ sung. Điều này giúp theo dõi sự phát triển của hạt và những thay đổi biên giới trong suốt các thí nghiệm TEM theo thời gian (time-lapse) với sự can thiệp thủ công tối thiểu.

Link to this sectionTại sao lại chọn các mô hình Ultralytics YOLO?#

Trong nghiên cứu về polycrystalline thin films đã thảo luận ở trên, Ultralytics YOLOv8 được phát hiện nhanh hơn tới 43 lần so với U‑Net (một model thường được sử dụng để phân tích hình ảnh khoa học). Tốc độ này làm cho YOLO trở nên thực tế cho việc phân tích thời gian thực ngay tại kính hiển vi.

Trong khi U‑Net chính xác nhưng chậm, YOLO kết hợp tốc độ với độ chính xác, đưa các phép đo kích thước hạt đạt độ sai lệch trong phạm vi 3% so với ground truth. Thiết kế của nó cũng giúp nó linh hoạt hơn, xử lý các quy mô và thiết lập huấn luyện khác nhau một cách dễ dàng. 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 cho việc tăng tốc quy trình làm việc kính hiển vi.

Hình 2. So với việc truy vết thủ công (b) và U‑Net (c), phân đoạn YOLOv8 (d) cung cấp các đường viền sắc nét và chính xác hơn trên hình ảnh kính hiển vi. (Nguồn)

Link to this sectionGiảm thiểu sai lệch và tăng tính nhất quán trong kính hiển vi với YOLO#

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

Khả năng tái lập là một kết quả then chốt khác. Nghiên cứu khoa học thường yêu cầu kết quả phải được xem xét lại và xác nhận sau nhiều năm. Với nhiều model YOLO khác nhau được tích hợp vào Theiascope™, các nhà nghiên cứu có thể chạy lại các model cũ như Ultralytics YOLOv5 trên các datasets lưu trữ và thu được các kết quả đầu ra nhất quán, sau đó so sánh trực tiếp với kết quả từ các model 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.

Hình 3. Nền tảng Theiascope™. Hình ảnh kính hiển vi điện tử được ghi lại và truyền phát từ máy tính thu thập dữ liệu đến một thiết bị hỗ trợ GPU đang chạy ứng dụng web, cơ sở dữ liệu chuỗi thời gian và các model Ultralytics YOLO. Các bản cập nhật và model Ultralytics YOLO mới có thể được đẩy vào nền tảng thông qua các bản cập nhật OTA. Nguồn: Theia Scientific.

Ngoài ra, các model Ultralytics YOLO cung cấp cho nền tảng khả năng mở rộng cần thiết để xử lý các datasets lớn. Khả năng inference thời gian thực của chúng cho phép hàng nghìn hình ảnh TEM được phân tích trong thời gian cần thiết để phân tích thủ công chỉ vài hình ảnh. Điều này cho phép các nhà nghiên cứu theo dõi các quy trình động như sự phát triển của hạt trong suốt toàn bộ thí nghiệm, tạo ra những hiểu biết mới và mở khóa các thí nghiệm mới lạ ở quy mô và tốc độ cần thiết cho nghiên cứu tiên phong.

Link to this sectionTích hợp Vision AI tiên tiến vào các công cụ nghiên cứu thế hệ tiếp theo#

Theia Scientific xem các model Ultralytics YOLO là nền tảng cho tương lai của kính hiển vi. Bằng cách tiếp tục tinh chỉnh các phương pháp training và phương pháp hiệu chuẩn, họ đặt mục tiêu cải thiện hơn nữa độ chính xác trên các quy mô và điều kiện thí nghiệm khác nhau.

Tiến về phía trước, Theia Scientific dự định mở rộng Theiascope™ để hỗ trợ nhiều thí nghiệm phức tạp hơn tại chỗ (in-situ) và các datasets đa phương thức (multi-modal). Họ tin rằng rất có khả năng Vision AI sẽ trở thành một phần tiêu chuẩn của quy trình nghiên cứu thế hệ tiếp theo, cho phép khám phá nhanh hơn và có những 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 kiểm tra GitHub repository của chúng tôi để tìm hiểu thêm về Vision AI. Khám phá cách các model YOLO đang thúc đẩy đổi mới trong các lĩnh vực như AI in healthcare và computer vision in retail. Để làm quen với YOLO, hãy khám phá cách our licensing options có thể hỗ trợ tầm nhìn của bạn.