vIR-OLO: an open-source YOLO-based interface for functional- group detection and localization in infrared spectra

Resumo Técnico: vIR-OLO

Definição do Problema
A identificação precisa de grupos funcionais em espectros de infravermelho (IV) é uma tarefa crítica na caracterização molecular, mas tradicionalmente depende da análise manual laboriosa de formas e localizações de picos. Embora abordagens recentes baseadas em dados utilizando aprendizado de máquina (ML) e redes neurais convolucionais (CNNs) tenham automatizado o reconhecimento de grupos funcionais, elas predominantemente enquadram o problema como uma tarefa de classificação. Esses métodos predizem a presença de grupos funcionais, mas falham em identificar explicitamente as regiões espectrais específicas responsáveis por suas previsões. Consequentemente, carecem de anotações visuais editáveis (como caixas delimitadoras ou bounding boxes), forçando os usuários a depender de métodos de interpretabilidade post-hoc, como mapas de saliência, que não foram projetados para anotação direta ou verificação. Essa limitação dificulta a verificação do modelo, a interpretação guiada por humanos e a criação de conjuntos de dados anotados de alta qualidade para desenvolvimentos futuros.

Metodologia
Os autores apresentam o vIR-OLO, um framework de código aberto que reformula a identificação de grupos funcionais em espectroscopia IV como um problema de detecção de objetos utilizando a arquitetura YOLO (You Only Look Once).

• Curadoria de Dados: O estudo utilizou 2.200 espectros de IV do Spectral Database for Organic Compounds (SDBS), anotados manualmente para conter pelo menos um dos 12 grupos funcionais alvo (aromáticos, álcoois, aminas, ésteres, alcenos, ácidos carboxílicos, cetonas, fenóis, nitrilas, amidas, aldeídos e alcinos). Isso resultou em 5.635 caixas delimitadoras.
• Aumento de Dados (Data Augmentation): Para lidar com a variabilidade na anotação manual, o conjunto de treinamento foi aumentado gerando cinco versões adicionais de cada espectro com coordenadas e dimensões de caixas delimitadoras perturbadas (ruído gaussiano e escala), mantendo os dados espectrais subjacentes inalterados. Isso resultou em 10.560 pares de treinamento.
• Arquitetura do Modelo: O framework utiliza a arquitetura Ultralytics YOLO11l. Três configurações distintas de modelos foram treinadas e testadas para avaliar diferentes ontologias de grupos funcionais:
  1. vIR-OLO_12FG: Os 12 grupos funcionais originais.
  2. vIR-OLO_10FG: Uma versão mesclada onde cetonas, aldeídos e ésteres são combinados em uma única classe de "subgrupos carbonila" para reduzir a ambiguidade.
  3. vIR-OLO_13FG: Uma versão refinada onde grupos de múltiplos picos (aminas, alcenos, alcinos) são subdivididos em classes dependentes da posição (ex: "L" para esquerda, "R" para direita) para lidar com distribuições bimodais em características espectrais.
• Treinamento e Avaliação: Os modelos foram treinados em uma GPU NVIDIA A100 com um tamanho de lote (batch size) de 64. O desempenho foi avaliado em um conjunto de teste retido (220 espectros) usando duas métricas complementares:
  • Métricas baseadas em incidência: Precisão, revocação (recall) e pontuação F1 para detectar a presença de um grupo funcional, independentemente da localização exata da caixa.
  • Métricas baseadas em localização: Interseção sobre União (IoU) e F1 consciente de localização, utilizando um limiar estrito de IoU de 0,7 para garantir o alinhamento espacial preciso.
• Interface de Software: Uma Interface Gráfica de Usuário (GUI) baseada em Python foi desenvolvida para facilitar o fluxo de trabalho. Ela permite que os usuários carreguem modelos pré-treinados para predição, anotem espectros manualmente, editem caixas delimitadoras, reestruturem conjuntos de dados para o formato YOLO e realizem o ajuste fino (fine-tuning) de modelos customizados sem a necessidade de conhecimento em programação.

Principais Resultados

• Desempenho de Detecção: Todos os três modelos demonstraram fortes capacidades de detecção baseadas em incidência. As pontuações F1 médias micro-calculadas excederam 0,84 em todas as configurações (10FG: 0,8403, 12FG: 0,8448, 13FG: 0,8552).
• Desempenho de Localização: Os modelos alcançaram alta precisão espacial para detecções correspondentes, com pontuações médias de IoU consistentemente acima de 0,80. No entanto, as pontuações F1 conscientes de localização foram mais moderadas (variando entre ~0,65 e 0,67), indicando que, embora o modelo se alinhe bem quando detecta uma característica, ele apresenta dificuldades com a revocação para certas classes ou sob critérios de localização estritos.
• Comparação de Ontologia:
  • O modelo 13FG alcançou a maior pontuação F1 baseada em incidência (0,8552), sugerindo que uma granularidade de rótulo mais fina ajuda a capturar padrões espectrais distintos.
  • O modelo 10FG (com carbonilas mescladas) apresentou maior robustez e a maior razão de correspondência exata (0,7182), sugerindo que a fusão de classes espectralmente ambíguas reduz falsos positivos/negativos.
  • A subdivisão de grupos de múltiplos picos do modelo 13FG gerou resultados mistos; enquanto algumas subclasses (ex: alcinos-R) melhoraram, outras (ex: aminas-L) tiveram desempenho inferior às versões não subdivididas, destacando os riscos de desequilíbrio de dados ao dividir classes.
• Contexto Comparativo: Quando comparado aos modelos de classificação baseados em IV existentes na literatura, as pontuações F1 macro-calculadas do v-OLO (0,82–0,84) são competitivas, embora sua principal distinção seja a capacidade de fornecer anotações de caixas delimitadoras explícitas e editáveis, em vez de apenas conjuntos de rótulos.

Significância e Alegações
O artigo afirma que o vIR-OLO é o primeiro framework de código aberto baseado em YOLO a reestruturar a identificação de grupos funcionais em espectros de IV como uma tarefa de detecção de objetos. Sua principal significância reside na mudança de paradigma da classificação de "caixa-preta" para a anotação consciente de localização e editável por humanos.

As principais contribuições incluem:

1. Localização Explícita: Ao contrário de métodos anteriores, o vIR-OLO fornece caixas delimitadoras diretamente nos espectros, permitindo que os usuários verifiquem visualmente, corrijam e reutilizem as predições.
2. Fluxo de Trabalho com Humano no Ciclo (Human-in-the-Loop): A GUI integrada reduz a barreira de entrada para químicos, permitindo o refinamento iterativo de modelos onde as predições corrigidas podem ser usadas para realizar o ajuste fino de modelos customizados.
3. Desenvolvimento Comunitário: Ao disponibilizar modelos pré-treinados e um código aberto, o framework suporta um ecossistema distribuído onde grupos de pesquisa podem compartilhar modelos treinados em espaços químicos específicos, fomentando o desenvolvimento de modelos impulsionado pela comunidade.

Os autores posicionam o vIR-OLO não como um substituto totalmente autônomo para a interpretação especializada, mas como uma ferramenta prática para a análise espectral assistida por IA que acelera a criação de conjuntos de dados de alta qualidade e permite a avaliação reprodutível da detecção de grupos funcionais.