DE10119641C1 - Verfahren und Vorrichtung zur automatischen Bestimmung von Kenngrößen aus Einzelspektren eines Spektrenkollektivs und Spektrometer - Google Patents
Verfahren und Vorrichtung zur automatischen Bestimmung von Kenngrößen aus Einzelspektren eines Spektrenkollektivs und SpektrometerInfo
- Publication number
- DE10119641C1 DE10119641C1 DE2001119641 DE10119641A DE10119641C1 DE 10119641 C1 DE10119641 C1 DE 10119641C1 DE 2001119641 DE2001119641 DE 2001119641 DE 10119641 A DE10119641 A DE 10119641A DE 10119641 C1 DE10119641 C1 DE 10119641C1
- Authority
- DE
- Germany
- Prior art keywords
- spectra
- individual
- spectrum
- segments
- average
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/46—NMR spectroscopy
- G01R33/4625—Processing of acquired signals, e.g. elimination of phase errors, baseline fitting, chemometric analysis
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
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.
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.
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.
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.
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 (14)
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,
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.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE2001119641 DE10119641C1 (de) | 2001-04-20 | 2001-04-20 | Verfahren und Vorrichtung zur automatischen Bestimmung von Kenngrößen aus Einzelspektren eines Spektrenkollektivs und Spektrometer |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE2001119641 DE10119641C1 (de) | 2001-04-20 | 2001-04-20 | Verfahren und Vorrichtung zur automatischen Bestimmung von Kenngrößen aus Einzelspektren eines Spektrenkollektivs und Spektrometer |
Publications (1)
Publication Number | Publication Date |
---|---|
DE10119641C1 true DE10119641C1 (de) | 2002-10-10 |
Family
ID=7682260
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE2001119641 Expired - Fee Related DE10119641C1 (de) | 2001-04-20 | 2001-04-20 | Verfahren und Vorrichtung zur automatischen Bestimmung von Kenngrößen aus Einzelspektren eines Spektrenkollektivs und Spektrometer |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE10119641C1 (de) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10336991A1 (de) * | 2003-08-12 | 2005-04-14 | Universität Leipzig | Verfahren zur Bestimmung der Lagerzeit und des Alters von erythrozytenhaltigen Blutkonserven mittels 31P-NMR und Künstlichen Neuronalen Netzen |
-
2001
- 2001-04-20 DE DE2001119641 patent/DE10119641C1/de not_active Expired - Fee Related
Non-Patent Citations (1)
Title |
---|
On-line Rechner in der Chem., D. Ziessow, Walter de Gruyter Verlag, 1973, S. 188-201 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10336991A1 (de) * | 2003-08-12 | 2005-04-14 | Universität Leipzig | Verfahren zur Bestimmung der Lagerzeit und des Alters von erythrozytenhaltigen Blutkonserven mittels 31P-NMR und Künstlichen Neuronalen Netzen |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE69630935T2 (de) | Bilverarbeitungsverfahren und -vorrichtung zur automatischen Erfassung von Bereichen eines vorbestimmten Krebstyps in einem Intensitätsbild | |
DE3826287C2 (de) | Verfahren und Vorrichtung zur automatischen Analyse von Lungengewebe aus einem röntgenologischen Brustbild | |
DE10319546A1 (de) | Verfahren und Vorrichtung zur automatischen Detektion von Anomalien in Gefäßstrukturen | |
DE3505331C2 (de) | Verfahren und Gerät zur Vermessung des bei der Eindringhärteprüfung in einer Probe hinterlassenen Eindrucks | |
DE19521346A1 (de) | Bilduntersuchungs/Erkennungsverfahren, darin verwendetes Verfahren zur Erzeugung von Referenzdaten und Vorrichtungen dafür | |
DE102009022834A1 (de) | Verfahren zur automatischen Analyse von Bilddaten einer Struktur | |
DE102010038014B4 (de) | Verwendung spezifischer Substanzen als Marker zur Bestimmung des Risikos einer Nierenabstoßung | |
EP2270494A2 (de) | Verfahren zur Charakterisierung von Effektgarn | |
WO2016066265A1 (de) | Ermittlung lokaler gütemasse aus einem volumenbilddatensatz | |
DE102012217419B4 (de) | Analyseverfahren für Röntgenstrahlbeugungsmessdaten | |
DE102018221695A1 (de) | Verfahren zur quantitativen Magnetresonanzbildgebung, Magnetresonanzeinrichtung, Computerprogramm und elektronisch lesbarer Datenträger | |
DE19529636C2 (de) | Verfahren zur MR-Bildgebung von mehreren Schichten und Anordnung zur Durchführung des Verfahrens | |
DE4327429C2 (de) | Verfahren und Vorrichtung zur Gehirnwellenanalyse | |
EP3159681A1 (de) | Verfahren und vorrichtung zur automatisierbaren ermittlung der bestimmungsgrenze und des relativen fehlers bei der quantifizierung der konzentration einer zu untersuchenden substanz in einer messprobe | |
DE102018205561A1 (de) | Vorrichtung zur Klassifizierung von Signalen | |
DE19951146A1 (de) | Verfahren zum Reduzieren des Rauschens in einem durch Abbildung erhaltenen Signal | |
DE10119641C1 (de) | Verfahren und Vorrichtung zur automatischen Bestimmung von Kenngrößen aus Einzelspektren eines Spektrenkollektivs und Spektrometer | |
EP0947958A2 (de) | Verfahren und Anordnung der medizinischen Bilddatenverarbeitung | |
DE202021105895U1 (de) | System zur Morphologie-Segmentierung von Gehirn-MRI-Modalitäten auf Basis von E-Fuzzy Merkmalen und Schwellenwerten | |
WO2020057849A1 (de) | Computerimplementiertes verfahren zur komprimierung von messdaten aus einer messung eines messvolumens | |
DE2722305A1 (de) | Verfahren und vorrichtung zur bestimmung der genauigkeit einer radioaktivitaetsmessung an einer probe | |
DE602004011478T2 (de) | Anzeige der genauigkeit einer quantitativen analyse | |
DE102006051872B3 (de) | Verfahren, Anordnung und Computerprogrammprodukt zur Bestimmung von Anisotropieparametern | |
DE102014218354B4 (de) | Verfahren zur Gewinnung von in einem Ergebnis einer NMR-Messung kodierter Information | |
DE102019131440B3 (de) | Computerimplementiertes Verfahren zur Segmentierung von Messdaten aus einer Messung eines Objekts |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
8100 | Publication of the examined application without publication of unexamined application | ||
D1 | Grant (no unexamined application published) patent law 81 | ||
8364 | No opposition during term of opposition | ||
8339 | Ceased/non-payment of the annual fee |