DE10119641C1

DE10119641C1 - Verfahren und Vorrichtung zur automatischen Bestimmung von Kenngrößen aus Einzelspektren eines Spektrenkollektivs und Spektrometer

Info

Publication number: DE10119641C1
Application number: DE2001119641
Authority: DE
Inventors: Juergen Monnerjahn; Olaf Beckonert
Original assignee: Individual
Current assignee: Individual
Priority date: 2001-04-20
Filing date: 2001-04-20
Publication date: 2002-10-10
Anticipated expiration: 2021-04-21

Abstract

Die vorliegende Erfindung betrifft ein Verfahren sowie eine Vorrichtung zur automatischen Bestimmung von Kenngrößen aus Einzelspektren eines Spektrenkollektivs, insbesondere aus Kernresonazspektren, bei dem aus den Einzelspektren ein Durchschnitts- oder Summenspektrum berechnet wird, die lokalen Minima im Durchschnitts- oder Summenspektrum rechnergestützt bestimmt und jedes Einzelspektrum durch Segmentierung in Segmente unterteilt wird, dessen Segmentgrenzen den Positionen der aus dem Durchschnitts- oder Summenspektrum bestimmten lokalen Minima entsprechen. Anschließend wird das Integral über die Messwerte und/oder das Maximum der Messwerte in jedem der Segmente rechnergestützt berechnet und zusammen mit einer Information über die Position des zugehörigen Segmentes im Einzelspektrum als Kenngröße ausgegeben. DOLLAR A Durch das vorliegende Verfahren und die zugehörige Vorrichtung lassen sich die Kenngrößen der Einzelspektren mit hoher Präzision und Geschwindigkeit bestimmen. Die ermittelten Kenngrößen können dann bspw. mit automatischen Datenanalyse-Verfahren oder Mustererkennungsverfahren weiterverarbeitet werden.

Description

Technisches Anwendungsgebiet

Die vorliegende Erfindung betrifft ein Verfahren sowie eine Vorrichtung zur automatischen Bestimmung von Kenngrößen aus Einzelspektren eines Spektrenkollektivs, insbesondere aus Kernresonanzspektren (NMR, MRS), bei denen jedes Einzelspektrum des Spektrenkollektivs als Datensatz mit Messwerten bereitgestellt und durch Segmentierung in einzelne Segmente unterteilt wird, und das Integral über die Messwerte und/oder das Maximum der Messwerte in jedem der Segmente rechnergestützt berechnet und zusammen mit einer Information über die Position des zugehörigen Segmentes im Einzelspektrum als Kenngröße ausgegeben wird.

Bei vielen Messverfahren bspw. im Bereich der Chemie, Biochemie, Biologie oder Medizin werden Spektren erfasst, die eine Vielzahl von Informationen über die untersuchten Proben enthalten. So wird in einem typischen Spektrum bspw. die Menge oder Konzentration einzelner (Struktur-)Komponenten der Probe in Abhängigkeit von der Zeit oder der Frequenz betrachtet. Jede Komponente wird durch eine gauß- oder lorentzlinienförmige Kurve, das Signal, an einer bestimmten Position im Spektrum wiedergegeben. Das Integral dieser Kurve gibt die Menge oder Konzentration der jeweiligen Komponente wieder. Die Zeit- bzw. frequenzabhängige Position im Spektrum erlaubt eine genauere Charakterisierung der Komponente.

Unter dem Begriff Spektrum wird in der vorliegenden Patentanmeldung nicht nur die Verteilung strahlungsphysikalischer Größen, wie bspw. der Intensität, über Wellenlänge oder Frequenz verstanden, sondern jede Häufigkeits- oder Intensitätsverteilung über physikalischen Größen wie Frequenz, Zeit, Energie, Masse, usw..

In vielen Anwendungsgebieten ist es erforderlich, aus einer Vielzahl von an unterschiedlichen Proben gemessenen Spektren die darin enthaltene Information, im Folgenden auch als Kenngrößen des Spektrums bezeichnet, zu erfassen und miteinander zu vergleichen. Aufgrund der in der Regel sehr hohen Komplexität der Einzelspektren lässt sich dies unter vernünftigem Kosten- und Zeitaufwand nur automatisiert durchführen.

So kann auf dem Gebiet der nachfolgend exem plarisch gewählten NMR-Spektroskopie mit einer einzigen Messung eine Vielzahl von Verbindungen gleichzeitig identifiziert und quantifiziert werden. Je komplexer die analysierten Substanzgemische sind, desto mehr Signale treten in dem Spektrum auf. Oftmals kommt es zu Überlappungen mehrerer Signale im Spektrum, die die anschließende Integration erschweren.

Fig. 1 zeigt beispielhaft zwei Auszüge aus dem NMR-Spektrum eines Gehirngewebeextrakts (wasserlösliche Bestandteile), aus denen deutlich die Komplexität und Datenfülle eines biomedizinischen NMR-Spektrums ersichtlich ist. Aus den Positionen der einzelnen Signale eines derartigen Spektrums kann die zugehörige Strukturkomponente ermittelt werden. Der Maximalwert des Signals oder das Integral über dieses Signal sind ein Maß für die Menge der jeweiligen Komponente in der Probe. Weisen bestimmte Proben gegenüber anderen Proben Unterschiede in den Mengen einer oder mehrerer Komponenten auf, so können diese Unterschiede wegen der Komplexität der Spektren leicht übersehen werden.

Gerade vergleichende Untersuchungen an Proben kollektiven stellen hohe Anforderungen. So können bspw. in einem Spektrensatz bzw. Spektrenkollektiv von Blutproben Unterschiede in einer großen Zahl von Substanzkonzentrationen zwischen bestimmten Patienten gruppen studiert werden. Das Hauptproblem bei diesen Studien liegt in der Komplexität der Spektren, so dass eine angemessene manuelle Verarbeitung der Daten zu aufwendig ist. Bei derartigen Fragestellungen werden daher in der Regel Verfahren und Vorrichtungen zur automatischen Bestimmung der Kenngrößen aus den Einzelspektren eines Spektrenkollektivs eingesetzt.

Stand der Technik

Bei bekannten und heute üblichen Techniken zur Bestimmung von Kenngrößen aus Einzelspektren werden die gemessenen Daten in der Regel zunächst einer Vorver arbeitung unterzogen, in der die Spektren z. B. einer Phasen- und Basislinienkorrektur unterzogen und dann auf Datenvektoren gleicher Länge reduziert werden. Der Wert jeder Vektorkomponente repräsentiert dabei einen bestimmten Bereich des Spektrums. Durch diese Vorgehensweise werden die durch eine große Anzahl von Datenpunkten gegebenen Spektren auf eine geringere Anzahl verdichteter Kenngrößen reduziert. Diese Technik ist auch unter dem Begriff der Dimensions- oder Dimensionalitätsreduktion (Dimensionality Reduction oder Feature Extraction) bekannt.

In "Online Rechner in der Chemie", D. Ziessow, Walter de Gruyter Verlag, 1973, S. 188-201 wird ein kurzer Überblick über Verfahren zur Bestimmung von Kenngrößen aus Einzelspektren gegeben, bei dem insbesondere auf die Techniken der Basislinien korrektur, der Linienerkennung, der Bestimmung von Linienlage und -fläche sowie der Datenreduktion eingegangen wird.

Eine bekannte Technik zur Bestimmung der Kenn größen aus Einzelspektren, die vor allem in der klinischen MR-Spektroskopie eingesetzt wird, beruht auf der Auswahl einer definierten Anzahl von Signalen in den Spektren. Hierzu werden Spektren der Einzel substanzen, die in den vermessenen Proben vermutet werden, als Vergleichsspektren aufgenommen und dienen als Grundlage für die Durchführung einer Funktions anpassung (Kurvenfit). Die Vergleichsspektren werden dann zur Berechnung der Integrale der einzelnen Signalgruppen in den Messspektren der Proben bzw. komplexen Substanzgemische herangezogen.

Diese Technik erlaubt eine genaue Bestimmung der Substanzkonzentrationen. Die Durchführung erfordert jedoch einen hohen Rechenaufwand, der gerade bei einer großen Zahl von Signalen in komplexen ex vivo-Spektren weiter anwächst. Das Verfahren kann zudem nur Informationen über die Substanzen gewinnen, die in den Spektren erwartet werden. Signale unerwarteter, möglicherweise aber relevanter Substanzen, werden mit dieser Technik nicht erfasst.

Ein weiteres bekanntes Verfahren zur automatischen Bestimmung von Kenngrößen aus Einzelspektren führt eine Rasterung bzw. Segmentierung der Spektren durch. Diese Technik ermöglicht die Analyse komplexer Spektren von Substanzgemischen unter Berücksichtigung aller Signale im Spektrum und ohne a-priori-Kenntnis der Signalform der Einzelsubstanzen. Dabei wird jedes Spektrum in eine bestimmte Anzahl von Abschnitten bzw. Segmenten unterteilt. Die Einzelspektren werden bei der Segmentierung in gleich große Segmente aufgeteilt (äquidistante Segmentierung). Aus den einzelnen Segmenten wird dann jeweils der Wert für eine Vektorkomponente des Datenvektors gewonnen. Die Berechnung des Wertes erfolgt üblicherweise durch Integration über die Messwerte des Segmentes oder durch Bestimmung der maximalen Intensität bzw. des maximalen Messwertes im Segment. Diese Technik ist zur Veranschaulichung nochmals schematisch anhand der Fig. 2 dargestellt, die auf der linken Seite die äquidistante Segmentierung des Spektrums und auf der rechten Seite die jeweiligen aus der Bestimmung des Integrals je Segment (oben) oder aus der Bestimmung der maximalen Intensität je Segment (unten) erhaltenen Werte zeigt. Durch diese Technik der äquidistanten Segmentierung wird die ursprüngliche Datenpunktzahl der Spektren, in der Regel 16000 bis 64000 Datenpunkte bzw. Messwerte, auf die Anzahl der Segmente reduziert. Damit alle Datenvektoren eines Spektrenkollektivs untereinander vergleichbar werden, müssen für alle Einzelspektren die gleichen Intervallgrenzen gelten.

Ein gravierender Nachteil der äquidistanten Spektrensegementierung besteht darin, dass bei dieser Technik mehrere Signale in einem Segment liegen können. Der aus einem solchen Segment, bspw. durch Integration, erhaltene Wert gibt dann eine Mischung aus mehreren Signalen wieder. Weiterhin kann es vorkommen, dass ein oder mehrere Segmentgrenzen ein Signal schneiden. Das Signal erstreckt sich dann über zwei oder mehr Segmente, so dass mehrere Werte für das Signal erhalten werden.

Ein weiterer wesentlicher Nachteil dieser bekannten Technik zeigt sich dann, wenn gleiche Signale in einzelnen Spektren eines Spektrensatzes geringfügig gegeneinander verschoben sind. Dies kann in NMR- Spektren bspw. durch geringe pH-Abweichungen in den Proben verursacht werden. Durch diese in der Praxis häufig auftretende geringfügige Verschiebung können Signale derselben Substanz je nach Abweichung und Segmentgröße in verschiedene Segmente fallen, so dass sie falsch bewertet werden. Weiterhin können die einzelnen Segmente oft nicht genau einem bestimmten Signal mit einer zugehörigen Substanz zugeordnet werden, wenn bspw. das Segment genau zwischen den bekannten Signalpositionen zweier Substanzen liegt.

Aufgrund dieser bei den bekannten Segmentierungs verfahren auftretenden Probleme können die Informationen bzw. Kenngrößen aus der Messung in vielen Fällen nicht ausreichend präzise gewonnen werden.

Zur Verbesserung des letztgenannten Verfahrens der äquidistanten Segmentierung wurde bereits ein modifiziertes Verfahren bekannt gemacht, das einen Teil der obigen Problematik vermindert. Bei diesem Verfahren werden die Spektren zwar wiederum in gleich große Segmente unterteilt, die Segmentgrenzen bzw. Intervallbereiche werden jedoch so gewählt, dass sie mit den benachbarten Segmenten überlappen. So können bspw. Überlappungen von 25 oder 50% gewählt werden. Durch diese Überlappungstechnik lassen sich insbesondere bei der Verarbeitung komplexer Spektren mit starkem Signalrauschen bessere Ergebnisse erzielen als bei der äquidistanten Segmentierung ohne Über lappung. Die obigen Probleme werden hierdurch zwar vermindert, nicht jedoch vollkommen beseitigt, so dass in zahlreichen Anwendungsfällen eine präzisere Bestimmung der Kenngrößen wünschenswert ist.

Ausgehend von diesem Stand der Technik liegt der vorliegenden Erfindung die Aufgabe zugrunde, ein Verfahren sowie eine Vorrichtung zur automatischen Bestimmung von Kenngrößen aus Einzelspektren eines Spektrenkollektivs bereitzustellen, die eine präzise Bestimmung der Kenngrößen mit hoher Geschwindigkeit ermöglichen.

Darstellung der Erfindung

Die Aufgabe wird mit dem Verfahren und der Vorrichtung gemäß den Patentansprüchen 1 bzw. 12 gelöst. Vorteilhafte Ausgestaltungen des Verfahrens und der Vorrichtung sind Gegenstand der Unteransprüche.

Bei dem vorliegenden Verfahren zur automatischen Bestimmung von Kenngrößen aus Einzelspektren eines Spektrenkollektivs wird jedes Einzelspektrum in bekannter Weise als Datensatz mit Messwerten bereit gestellt. Aus den bereit gestellten Einzelspektren oder zumindest aus relevanten Messwerten der Einzelspektren wird zunächst ein Durchschnitts- oder Summenspektrum erzeugt bzw. berechnet und die lokalen Minima im Durchschnitts- oder Summenspektrum rechnergestützt bestimmt. Anschließend wird jedes Einzelspektrum durch Segmentierung in einzelne Segmente unterteilt, wobei die Segmentgrenzen der einzelnen Segmente an die Positionen der aus dem Durchschnitts- oder Summen spektrum bestimmten lokalen Minima gelegt werden. Schließlich wird das Integral über die Messwerte und/oder das Maximum der Messwerte in jedem der Segmente rechnergestützt berechnet und zusammen mit einer Information über die Position des zugehörigen Segmentes im Einzelspektrum als Kenngröße ausgegeben bzw. bereitgestellt.

Aus allen Einzelspektren eines Spektrenkollektivs wird bei dem vorliegenden Verfahren somit ein zusätzliches Spektrum errechnet, das alle in den Einzelspektren enthaltenen, relevanten Signale enthält. Für die Berechnung dieses zusätzlichen Spektrums können alle in den Einzelspektren enthaltenen Messwerte herangezogen werden. Es können jedoch auch einige, für die Ermittlung der Kenngrößen oder Segmentgrenzen nicht relevanten Messwerte oder Bereiche der Einzelspektren bei der Bildung des Durchschnitts- oder Summenspektrums ausgeschlossen werden.

Im Gegensatz zu den bisher eingesetzten Verfahren zur Bestimmung der Kenngrößen aus den gemessenen Spektren weisen die Segmente der Einzelspektren beim vorliegenden Verfahren keine äquidistanten Segment grenzen auf. Die Segementgrenzen werden vielmehr an die Positionen der lokalen Minima eines vorab aus den Einzelspektren berechneten Durchschnitts- oder Summenspektrums gelegt. Bei dem vorliegenden Verfahren wird somit eine signalangepasste Rasterung bzw. Segmentierung der Einzelspektren durchgeführt. Durch die vorgeschlagene Vorgehensweise werden die Segmentgrenzen und Segmentgrößen exakt den Signalen angepasst, die in den Spektren eines Probenkollektivs vorkommen. Es entstehen Segmente, die jeweils nur den Bereich eines einzelnen Signals über alle Einzelspektren des Kollektivs erfassen.

Die typischen Probleme, die bei den bekannten Techniken mit starrer äquidistanter Segmentierung - mit oder ohne Überlappung - auftreten, werden vermieden. Die Signale werden nicht auf mehrere Segmente aufgeteilt und die einzelnen Segmente erfassen auch nicht mehrere Signale. Die oben erläuterten Signalshifts werden aufgrund der Bestimmung der Segmentgrenzen auf Basis des Durchschnitts- oder Summenspektrums durch Verbreiterung der zugehörigen Segmente automatisch berücksichtigt. Außerdem lassen sich die einzelnen Segmente mit dem vorliegenden Verfahren eindeutiger bestimmten Signalpositionen und zugehörigen Substanzen zuordnen.

Das vorliegende Verfahren sowie die zugehörige Vorrichtung führen ebenfalls zu einer deutlichen Datenreduktion und ermöglichen somit eine automatische bzw. maschinelle Verarbeitung der Messspektren mit hoher Geschwindigkeit. Insbesondere lassen sich mit dem Verfahren und der Vorrichtung die Informationen von NMR-Spektren präzise gewinnen und für eine anschließende weitergehende numerische Auswertung nutzen.

Eine derartige weitergehende Auswertung ist abhängig vom jeweiligen Anwendungsfall und kann bspw. mit Hilfe der klassischen Statistik, des Clustering, der Mustererkennung, neuronaler Netze, des Data-Mining oder eines Visualisierungsverfahrens erfolgen. Diese Auswertung der Kenngrößen ist allerdings nicht Gegenstand der vorliegenden Patentanmeldung.

Obwohl in der Beschreibungseinleitung sowie in der nachfolgenden Darstellung insbesondere auf die Erfassung von NMR-Spektren eingegangen wird, lassen sich das vorliegende Verfahren und die zugehörige Vorrichtung selbstverständlich auch auf andere Arten von Spektren anwenden. Unter Spektrum wird hierbei jede Häufigkeits- oder Intensitätsverteilung über physikalischen Größen wie Frequenz, Zeit, Energie, Masse, usw. verstanden, beispielsweise auch Chromato gramme.

Selbstverständlich wird auch vor der Durchführung des vorliegenden Verfahrens der gesamte Spektrensatz, wenn erforderlich, einer Vorverarbeitung wie bspw. einer Basislinienkorrektur und Normierung der Einzelspektren unterzogen.

In einer bevorzugten Ausführungsform wird eine Glättung des berechneten Durchschnitts- oder Summenspektrums mit geeigneten Glättungsparametern durchgeführt. Glättungsverfahren zur Glättung eines Messspektrums sind dem Fachmann bekannt. Die Stärke der Glättung wird derart gewählt, dass einerseits die Messsignale durch die Glättung nicht unterdrückt werden, andererseits jedoch störende Rauschspitzen sowie Artefakte zu einem großen Teil beseitigt werden.

Als wichtige Information über die Position der einzelnen Segmente in den Einzelspektren, aus denen die Kenngrößen ermittelt werden, wird beim vorliegenden Verfahren vorzugsweise die Position des Maximums der (gemittelten) Messwerte im jeweiligen Segment angegeben. Hierzu werden bei der Bestimmung der Minima des Durchschnitts- oder Summenspektrums auch gleichzeitig die Maxima und insbesondere deren Position bestimmt. Jedem Segment wird die Position dieses Maximums, d. h. der höchsten Intensität innerhalb des Segments im Durchschnitts- oder Summenspektrum als Segmentname zugewiesen. Dadurch wird die Zuordnung der erfassten Kenngrößen bzw. Signale zu Substanzen erleichtert. Diese Zuordnung kann auch durch einen automatischen Abgleich mit einer Substanzdatenbank erfolgen, in der für bestimmte Signalpositionen zugeordnete Substanzen oder (Struktur-)Komponenten gespeichert sind.

Die Information über die Position der Segmente läßt sich auch durch andere Größen bereitstellen, beispielsweise durch Angabe der Mittenposition jedes Segmentes des Durchschnitts- oder Summenspektrums oder durch Angabe der Positionen der Segmentgrenzen.

Die Durchführung des vorliegenden Verfahrens setzt die Messung der Einzelspektren mit einem geeigneten Spektrometer, bspw. einem Kernresonanzspektrometer, voraus. Die durch die Messung erhaltenen Spektren können dann, bspw. mit einer mit dem Spektrometer verbundenen oder in dieses implementierten Vorrichtung dem vorliegenden Verfahren unterzogen werden, um die aus der Messung resultierenden Kenngrößen bereitzu stellen. Dies kann durch Anzeige auf einem entsprechenden Display oder durch Abspeicherung auf einem Datenträger erfolgen.

Die Vorrichtung zur Durchführung des vorliegenden Verfahrens umfasst eine Datenverarbeitungseinheit mit einer Eingabeschnittstelle zum Einlesen der Einzel spektren und einer Ausgabeschnittstelle zur Ausgabe der Kenngrößen, wobei die Datenverarbeitungseinheit zur Bildung eines Durchschnitts- oder Summenspektrums aus den Einzelspektren oder zumindest aus relevanten Messwerten der Einzelspektren, gegebenenfalls zur Glättung des Durchschnitts- oder Summenspektrums, zur Bestimmung der Positionen lokaler Minima und vorzugsweise auch lokaler Maxima in dem Durchschnitts- oder Summenspektrum, zur Segmentierung der Einzel spektren in einzelne Segmente mit Segmentgrenzen, die den Positionen der lokalen Minima entsprechen, zur Berechnung von Integralen und/oder Maxima in den einzelnen Segmenten sowie zur Ausgabe der Kenngrößen über die Ausgabeschnittstelle ausgebildet ist.

Vorzugsweise ist die Datenverarbeitungseinheit mit einem Monitor zur graphischen Darstellung des Durch schnittsspektrums und der Positionen der lokalen Minima und Maxima verbunden und weist Eingabemöglichkeiten zur Veränderung der Segmentgrenzen oder Ausblendung von Segmenten vor der Segmentierung der Einzelspektren auf.

Kurze Beschreibung der Zeichnungen

Die vorliegende Erfindung wird nachfolgend ohne Beschränkung des allgemeinen Erfindungsgedankens anhand eines Ausführungsbeispiels in Verbindung mit den Figuren nochmals kurz erläutert. Hierbei zeigen:

Fig. 1 zwei Auszüge aus dem NMR-Spektrum eines Gehirngewebeextrakts (wasserlösliche Bestandteile);

Fig. 2 ein Beispiel für die Vorgehensweise zur Bestimmung der Kenngrößen aus Einzel spektren unter Einsatz der äquidistanten Segmentierung gemäß dem Stand der Technik;

Fig. 3 schematisch die Technik der signal angepassten Segmentierung gemäß dem Verfahren der vorliegenden Erfindung; und

Fig. 4 ein Beispiel für die Bildung eines Durchschnittsspektrums und die Bestimmung der Position der Minima und Maxima gemäß dem vorliegenden Verfahren.

Wege zur Ausführung der Erfindung

Anhand der Fig. 2 und 3 wird nochmals der Unterschied zwischen der äquidistanten Segmentierung gemäß dem Stand der Technik und der beim vorliegenden Verfahren eingesetzten signalangepassten Segmentierung erläutert.

Fig. 2 zeigt hierzu im linken Teil schematisch einen Ausschnitt aus einem Spektrum, das durch Segmentierung in äquidistante Segmente unterteilt ist. Aus der Figur ist sehr gut zu erkennen, dass durch die äquidistante Segmentierung ein einzelnes Signal in zwei Segmente unterteilt werden kann. Die einzelnen Segmente werden anschließend integrativ oder absolut (nach Signalhöhe) erfasst. Im rechten oberen Teil der Fig. 2 ist das Ergebnis bei integrativer Erfassung, im rechten unteren Teil das Ergebnis bei der Erfassung nach der Signalhöhe dargestellt. Je Segment werden ((Gesamtdatenpunktzahl):(Segmentzahl)) Datenpunkte zusammengefasst.

Die Bestimmung der Werte jedes Segmentes über integrative Erfassung oder über die Erfassung nach Signalhöhe wird auch beim vorliegenden Verfahren entsprechend durchgeführt. Allerdings erfolgt die Segmentierung des Spektrums in diesem Falle in anderer Weise. Beim vorliegenden Verfahren wird aus allen Einzelspektren eines Spektrenkollektivs zunächst ein Durchschnittsspektrum berechnet. In diesem Durchschnittsspektrum werden zumindest die lokalen Minima bestimmt und deren Position anschließend bei der Segmentierung der Einzelspektren als Positionen der Segmentgrenzen verwendet. Fig. 3 zeigt eine derartige Segmentierung schematisch anhand des Einzelspektrums der Fig. 2. In Fig. 3 sind deutlich die unter schiedlich breiten Segmente zu erkennen. Aufgrund der beim vorliegenden Verfahren eingesetzten Segmen tierungstechnik liegt jedoch in der Regel nur ein einziges Signal in jedem Segment. Eine Aufteilung der Signale auf zwei Segmente kann hierbei nicht auftreten. Durch die Bestimmung der Segmentgrenzen nicht aus einem Einzelspektrum, sondern aus dem Durchschnittsspektrum wird zudem ein in der Praxis auftretender Shift der Signalpositionen in unterschiedlichen Einzelspektren mit berücksichtigt.

Fig. 4 zeigt schließlich ein Beispiel für ein akkumuliertes Durchschnittsspektrum 1. In diesem Beispiel wurde das Durchschnittsspektrum vor der Bestimmung der Maxima und Minima geglättet (geglätteter Verlauf 2), um das Signalrauschen zu vermindern. Hierbei wurde eine starke Glättung verwendet (gleitender Durchschnitt über 7 Punkte, 3 Iterationen). Je stärker die Glättung, desto mehr Details des Durchschnittsspektrums, wie Rauschen und kleine Peaks, werden herausgefiltert und desto weniger Segmente werden erzeugt. Die Glättungsparameter können selbstverständlich an die jeweiligen Gegebenheiten, d. h. den Verlauf bzw. die Qualität des jeweiligen Spektrums angepasst werden.

Aus einem derartigen Durchschnittsspektrum werden schließlich die Positionen 3 der lokalen Minima und - im vorliegenden Beispiel - auch die Positionen 4 der Maxima ermittelt. Die Positionen der lokalen Minima geben die Segmentgrenzen im jeweiligen Einzelspektrum wieder, die Positionen der lokalen Maxima werden als Position des jeweiligen Segmentes bei der Ausgabe der ermittelten Kenngrößen verwendet. Durch die Identifikation der Segmente anhand ihres Maximums lässt sich eine exakte Zuordnung der einzelnen aus den Segmenten ermittelten Werte zu den Substanzen bzw. (Struktur-)Komponenten erreichen.

Bei dem vorliegenden Verfahren kann vorgesehen sein, das Durchschnittsspektrum vor Festlegung der Glättungsparameter graphisch darzustellen. Anhand dieser Darstellung können dann die geeigneten Glättungsparameter eingegeben werden.

Vorzugsweise werden das originale und das geglättete Durchschnittsspektrum nach der Glättung und Bestimmung der lokalen Minima und Maxima unter Anzeige der Positionen der lokalen Minima und Maxima graphisch dargestellt (vgl. Fig. 4), um eine Beurteilung der eingesetzten Glättungsparameter und der ermittelten Segmentgrenzen zu ermöglichen. In Fig. 4 sind zusätzliche auch die ermittelten Positionen 4 der Maxima gekennzeichnet. Bei ungünstiger Wahl der Parameter kann das Verfahren mit neuen Parametern neu gestartet werden, so dass auch die Segmentgrenzen neu bestimmt werden und die graphische Darstellung entsprechend aktualisiert wird.

Als weitere Option kann auch eine manuelle Korrektur der Segmentgrenzen oder Segmente vorgesehen sein. Der Benutzer kann hierbei nach der Bildung des Durchschnittsspektrums und Festlegung der Segment grenzen an beliebigen Positionen weitere Segmentgrenzen einfügen oder bestehende Segmentgrenzen verschieben oder löschen. Er kann außerdem bestimmte Segmente streichen oder markieren, so dass diese Bereiche des Spektrums bei der Segmentierung der Einzelspektren ignoriert werden.

Hierbei können auch automatische Funktionen vorgesehen sein, die Segmente aussortieren bzw. streichen, die vermutlich nur Rauschen enthalten. So können bspw. alle Segmente ignoriert werden, die im Durchschnittsspektrum ein Maximum < x haben. Dabei ist x bspw. definiert durch den Rauschlevel des Durch schnittsspektrums multipliziert mit einem festzu legenden bzw. vorgebbaren Faktor y. x kann auch ein Wert sein, den der Benutzer durch das Verschieben einer waagrechten Linie in der Anzeige des Durchschnitts spektrums bei interaktiver, visueller Kontrolle des Ergebnisses festlegen kann. Weiterhin können alle Segmente ignoriert werden, die im Durchschnittsspektrum eine Breite < n Punkte bzw. Messwerte haben. Zusätzlich können Segmente ignoriert werden, in denen Peaks liegen, die vermutlich die spätere Normierung der gerasterten Spektren stören würden, bspw. ein Wasser signal bei NMR-Spektren. Diese Bereiche können auch vorab durch Eingabe der Positionen oder Positions bereiche festgelegt werden.

Erst wenn der Benutzer mit den Segmentgrenzen und Aussortierungen zufrieden ist, wird mit diesen Grenzen die Segmentierung der Originalspektren durchgeführt. Einmal bestimmte Segmentgrenzen können hierbei für eine bestimmte Fragestellung auch auf neue Spektren ange wendet werden, wenn das Spektrenkollektiv durch diese Spektren erweitert wird.

Die vorangehend erläuterten optionalen Ausge staltungen schlagen sich auch in der Gestaltung der Vorrichtung zur Durchführung des Verfahrens nieder, die eine entsprechende Anzeige sowie entsprechende interaktive Eingabe- und Korrekturmöglichkeiten vorsehen muss.

Claims

1. Verfahren zur automatischen Bestimmung von Kenngrößen aus Einzelspektren eines Spektren kollektivs, insbesondere aus Kernresonanzspektren, bei dem jedes Einzelspektrum des Spektren kollektivs als Datensatz mit Messwerten bereit gestellt und durch Segmentierung in einzelne Segmente unterteilt wird, und das Integral über die Messwerte und/oder das Maximum der Messwerte in jedem der Segmente rechnergestützt berechnet und zusammen mit einer Information über die Position des zugehörigen Segmentes im Einzel spektrum als Kenngröße ausgegeben wird, dadurch gekennzeichnet, dass vor der Segmentierung aus den Einzelspektren des Spektrenkollektivs oder zumindest aus relevanten Messwerten der Einzelspektren des Spektrenkollektivs ein Durchschnitts- oder Summenspektrum berechnet wird, die lokalen Minima im Durchschnitts- oder Summenspektrum rechner gestützt bestimmt und die Segmentgrenzen der einzelnen Segmente jedes der Einzelspektren auf die aus dem Durchschnitts- oder Summenspektrum bestimmten Positionen der lokalen Minima gelegt werden.

2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass das Durchschnitts- oder Summenspektrum vor der Bestimmung der lokalen Minima geglättet wird.

3. Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass das Durchschnitts- oder Summenspektrum nach der Glättung und Bestimmung der lokalen Minima unter Anzeige der Positionen der lokalen Minima graphisch dargestellt wird, um eine Beurteilung eingesetzter Glättungsparameter und der Segmentgrenzen zu ermöglichen.

4. Verfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass vor der Segmentierung der Einzelspektren eine Verschiebung oder Streichung von aus dem Durchschnitts- oder Summenspektrum auf Basis der lokalen Minima bestimmten Segmentgrenzen, eine Eingabe zusätzlicher Segmentgrenzen und/oder eine Ausblendung von Segmenten durch einen Benutzer ermöglicht wird, wobei ausgeblendete Segmente bei der Ermittlung der Kenngrößen nicht berücksichtigt werden.

5. Verfahren nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, dass bei der Segmentierung der Einzelspektren Segmente automatisch gestrichen werden,

- die im Durchschnitts- oder Summenspektrum Maximalwerte unterhalb eines vorgebbaren Wertes aufweisen, und/oder
- die eine Breite aufweisen, die unter einer vorgebbaren Mindestbreite liegt, und/oder
- die eine Anzahl von Messwerten umfassen, die unter einer vorgebbaren Anzahl liegt, und/oder
- deren Position bei Beginn des Verfahrens von einem Benutzer vorgegeben wird,

wobei die gestrichenen Segmente bei der Ermittlung der Kenngrößen nicht berücksichtigt werden.

6. Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, dass als Information über die Position des zugehörigen Segmentes im Einzelspektrum die Position des Maximalwertes in jedem Segment des Durchschnitts- oder Summenspektrums bestimmt und ausgegeben wird.

7. Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, dass als Information über die Position des zugehörigen Segmentes im Einzelspektrum die Mittenposition jedes Segmentes des Durchschnitts- oder Summenspektrums bestimmt und ausgegeben wird.

8. Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, dass als Information über die Position des zugehörigen Segmentes im Einzelspektrum die Position seiner Segmentgrenzen ausgegeben wird.

9. Verfahren nach einem der Ansprüche 1 bis 8, dadurch gekennzeichnet, dass die Information über die Position des zugehörigen Segmentes im Einzelspektrum mit einer Substanzdatenbank abgeglichen und eine Angabe der zugehörigen Substanz oder Komponente ausgegeben wird.

10. Verfahren nach einem der Ansprüche 1 bis 9, dadurch gekennzeichnet, dass bei einer späteren Erweiterung des Spektrenkollektivs durch weitere Einzelspektren die bereits bestimmten Segmentgrenzen zur Segmentierung der weiteren Einzelspektren verwendet werden.

11. Verfahren nach einem der Ansprüche 1 bis 10, dadurch gekennzeichnet, dass das Bereitstellen jedes Einzelspektrums des Spektrenkollektivs die Durchführung der Messung des Einzelspektrums umfasst.

12. Vorrichtung zur Durchführung des Verfahrens nach einem der Ansprüche 1 bis 10 mit einer Datenverar beitungseinheit mit einer Eingabeschnittstelle zum Einlesen der Einzelspektren und einer Ausgabe schnittstelle zur Ausgabe der Kenngrößen, dadurch gekennzeichnet, dass die Datenverarbeitungseinheit zur Bildung eines Durchschnitts- oder Summenspektrums aus den Einzelspektren oder zumindest aus relevanten Messwerten der Einzelspektren, zur Bestimmung der Positionen von lokalen Minima in dem Durchschnitts- oder Summenspektrum, zur Segmentierung der Einzelspektren in einzelne Segmente mit Segmentgrenzen, die den Positionen der lokalen Minima entsprechen, zur Berechnung von Integralen und/oder Maxima in den einzelnen Segmenten sowie zur Ausgabe der Kenngrößen über die Ausgabeschnittstelle ausgebildet ist.

13. Vorrichtung nach Anspruch 12, dadurch gekennzeichnet, dass die Datenverarbeitungseinheit mit einem Monitor zur graphischen Darstellung des Durchschnitts- oder Summenspektrums und der Positionen der lokalen Minima verbunden ist sowie Eingabemöglichkeiten zur Veränderung der Segmentgrenzen oder Streichung von Segmenten vor der Segmentierung der Einzelspektren aufweist.

14. Spektrometer, insbesondere Kernresonanz spektrometer, mit einer Vorrichtung nach Anspruch 12 oder 13 zur Ausgabe der Kenngrößen der gemessenen Spektren.