DE112012004324T5

DE112012004324T5 - Multikomponentenregression/Multikomponentenanalyse von Zeit- und/oder Raumreihendateien

Info

Publication number: DE112012004324T5
Application number: DE112012004324.3T
Authority: DE
Inventors: Michael S. Bradley; Garry L. Ritter; Alexandre I. Grenov
Original assignee: Thermo Electron Scientific Instruments LLC
Current assignee: Thermo Electron Scientific Instruments LLC
Priority date: 2011-10-17
Filing date: 2012-10-17
Publication date: 2014-07-17
Also published as: WO2013059310A1; US20130096883A1; CN104024830A; GB2509869A; JP2014532187A; JP6089345B2; GB2509869B; GB201407792D0; US9383308B2; CN104024830B

Abstract

MCR (Multikomponentenregression) schätzt Reinkomponenten-Zeit- und/oder Raumreihenspektren, wie sie aus Infrarot- oder anderer Spektroskopie extrahiert werden, die mit Spektren in einer Referenzbibliothek verglichen werden können, um die besten Übereinstimmungen zu finden. Die am besten übereinstimmenden Spektren können dann wiederum mit den Referenzspektren kombiniert werden, wobei die Kombinationen ebenfalls auf beste Übereinstimmungen gegen irgendeines der geschätzten Reinkomponenten-Zeit-/Raumreihenspektren gescreent werden. Diese resultierenden besten Übereinstimmungen können dann auch den vorhergehenden Kombinations- und Vergleichsstufen unterzogen werden. Der Prozess kann auf diese Weise gewünschtenfalls ungebunden wiederholt werden, bis ein geeigneter Stopppunkt erreicht ist, beispielsweise wenn eine gewünschte Anzahl von besten Übereinstimmungen identifiziert sind, wenn irgendeine festgelegte Anzahl an Iterationen durchgeführt worden ist, usw. Diese Methodik kann die am besten übereinstimmenden Spektren mit weitaus weniger Rechenschritten und höherer Geschwindigkeit zurückgeben, als wenn alle möglichen Kombinationen von Referenzspektren berücksichtigt werden.

Description

HINTERGRUND DER ERFINDUNG
Gebiet der Erfindung
Die vorliegende Erfindung betrifft das Gebiet der Spektralanalyse und insbesondere die automatische Identifizierung von sich entwickelnden Zeitreihenspektren unter Verwendung von Multikomponentenregression in Kombination mit Multikomponentenspektralabgleich, falls gewünscht.
Erörterung des Standes der Technik
Ein Molekülspektrometer (mitunter als Spektroskop bezeichnet) ist ein Instrument, bei dem eine feste, flüssige oder gasförmige Probe beleuchtet wird, oft mit nicht sichtbarem Licht, wie Licht in der Infrarotregion des Spektrums. Das Licht von der Probe wird dann erfasst und analysiert, um Informationen über die Charakteristika der Probe zu erlangen. Eine Probe kann beispielsweise mit Infrarotlicht mit einer bekannten Intensität über einen Bereich von Wellenlängen beleuchtet werden, und das Licht, welches durch die Probe hindurch gelassen und/oder von dieser reflektiert wird, kann dann zum Vergleich mit der Lichtquelle erfasst werden. Die Prüfung der erfassten Spektren kann dann die Wellenlängen illustrieren, bei denen das beleuchtende Licht durch die Probe absorbiert wurde. Das Spektrum und insbesondere die Positionen und Amplituden der Peaks darin können mit Bibliotheken von zuvor erhaltenen Referenzspektren verglichen werden, um Informationen zu der Probe zu erhalten, wie deren Zusammensetzung und Charakteristika. Das Spektrum dient im Wesentlichen als „Fingerabdruck” der Probe und der Substanzen darin, und durch Abgleich des Fingerabdrucks mit einem oder mehreren bekannten Fingerabdrücken kann die Identität der Probe ermittelt werden.
Es gibt jedoch zahlreiche Fälle, wenn zeitabhängige Daten mittels solcher zuvor beschriebener Verfahren gesammelt werden, wie beispielsweise im Monitoring chemischer Reaktionen (Kinetik) oder thermischer Analyse mit Gasemission (TGA-IR) oder Chromatographie (GC-IR). Der mühsamste Schritt dieser Analyse ist die Extraktion unabhängiger Spektren aus den verketteten Reihen von Spektren, gefolgt von einer Analyse dieser einzelnen Spektren. Bei GC-IR beziehen sich die Spektren typischerweise auf Reinkomponenten – das GC übernimmt die Trennung – aber bei TGA-IR können die einzelnen Spektren auch selbst Mischungen sein.
Es ist somit zu erkennen, dass, wenn man eine Zeitreihenanzahl von Spektren einer sich entwickelnden Probe auf alle möglichen Kombinationen von einem oder mehreren Referenzspektren vergleichen möchte, dies typischerweise eine große Zahl überschreiten kann, insbesondere wenn eine große Referenzbibliothek möglicherweise -zig Tausende Einträge aufweist. Die zur Durchführung dieser Vergleiche erforderliche Rechenzeit kann weiter vergrößert werden, wenn quantitative Analyse sowie qualitative Analyse durchzuführen sind, d. h. wenn die relativen Anteile von Komponentenspektren innerhalb des unbekannten Spektrums ebenso wie deren Identitäten bestimmt werden sollen. Derartige quantitative Analyse kann erfordern, dass zwischen einer Kombination von Referenzspektren gegen die Zeitreihen der Spektren Regression durchgeführt wird, um die Gewichtung zu ermitteln, die jedes Referenzspektrum haben sollte, um zu einer Kombination zu führen, die eine beste Übereinstimmung darstellt. Erschöpfendes spektrales Abgleichen kann infolgedessen mitunter Stunden – oder sogar Tage – benötigen, selbst wenn dedizierte Computer oder andere Maschinen mit Hochgeschwindigkeitsprozessoren verwendet werden.
Hintergrundinformationen zu einem Verfahren zum spektralen Abgleichen eines unbekannten Spektrums unter Verwendung von Multikomponentenanalyse, das hier in vollem Umfang durch Bezugnahme aufgenommen wird, ist in US-Patent Nr. 7,698,098 B2 mit dem Titel „EFFICIENT SPECTRAL MATCHING, PARTICULARLY FOR MULTICOMPENENT SPECTRA”, ausgegeben am 13. April 2010 an Ritter et al., beschrieben, und schließt Folgendes ein „[ein] unbekanntes Spektrum, welches durch Infrarot- oder andere Spektroskopie erhalten wurde, kann mit Spektren in einer Referenzbibliothek verglichen werden, um die besten Übereinstimmungen zu finden. Die am besten übereinstimmenden Spektren können dann wiederum mit den Referenzspektren kombiniert werden, wobei die Kombinationen ebenfalls auf beste Übereinstimmungen gegen das unbekannte Spektrum gescreent werden. Diese resultierenden besten Übereinstimmungen können dann auch den vorhergehenden Kombinations- und Vergleichsschritten unterzogen werden. Der Prozess kann auf diese Weise wiederholt werden, bis ein geeigneter Stopppunkt erreicht ist, beispielsweise wenn eine gewünschte Anzahl von besten Übereinstimmungen identifiziert ist, wenn irgendeine festgelegte Anzahl an Iterationen durchgeführt worden ist, usw. Diese Methodik kann die am besten übereinstimmenden Spektren (und Kombinationen von Spektren) mit weitaus weniger Rechenschritten und höherer Geschwindigkeit zurückgeben, als wenn alle möglichen Kombinationen von Referenzspektren berücksichtigt werden.”
Hintergrundinformationen zu einem Verfahren zur Komponentenspektralanalyse ist in US-Patent Nr. 7,072,771 B1 mit dem Titel „METHOD FOR IDENTIFYING COMPONENTS OF A MIXTURE VIA SPECTRAL ANALYSIS”, ausgegeben am 4. Juli 2006 an Schweitzer et al., beschrieben und beansprucht und schließt Folgendes ein: „[d]ie vorliegende Erfindung betrifft im Allgemeinen das Gebiet der Spektralanalyse und insbesondere ein verbessertes Verfahren zum Identifizieren unbekannter Komponenten einer Mischung aus einem Set von Spektren, die aus der Mischung gesammelt wurden, unter Verwendung einer Spektralbibliothek, die potenzielle Kandidaten einschließt. Das vorliegende Verfahren betrifft beispielsweise das Identifizieren von Komponenten einer Mischung durch die Schritte, die das Erhalten eines Sets von Spektraldaten für die Mischung, wodurch ein Mischungsdatenraum definiert wird; das Ordnen einer Vielzahl von Bibliotheksspektren bekannter Elemente nach Rang gemäß ihrem Projektionswinkel in den Mischungsdatenraum; Berechnen eines korrigierten Korrelationskoeffizienten für jede Kombination der obersten y im Rang geordneten Bibliotheksspektren und Auswählen der Kombination mit dem höchsten korrigierten Korrelationskoeffizienten umfassen, wobei die bekannten Elemente der ausgewählten Kombination als die Komponenten der Mischung identifiziert werden.”
KURZFASSUNG DER ERFINDUNG
Die vorliegende Erfindung betrifft ein automatisiertes Verfahren zum Analysieren einer Reihendatendatei, die aus einer oder mehreren sich entwickelnden Proben resultiert. Durch Analyse kann insbesondere unter Verwendung von MCR oder Multikomponentenregression zuerst eine Reihe von linear unabhängigen Spektren extrahiert werden. Technisch gesehen wird ein MCR-Ergebnis als ein „Faktor” bezeichnet, und durch MCR wird oft ein Set von Faktoren produziert, und diese Faktoren können, wenn sie rekombiniert werden, das ursprüngliche Datenset reproduzieren. MCR kann, wie hier offenbart, dann so geführt werden, dass die Faktoren an eine Multikomponentensuch-(MCS)-Routine übergeben werden, die die Faktoren entfalten kann, nach denen bereitgestellte Datenbanken durchsucht wurden. Das Endergebnis eines derartigen Prozesses ermöglicht die Identifizierung jeder Komponente, die in dem ursprünglichen Datenset vorhanden war.
Die Routine kann die Analyse vervollständigen, indem eine Spektralkorrelation der Komponenten durchgeführt wird, die mit denn ursprünglichen Datenset identifiziert wurden. Dies erfolgt im Wesentlichen durch Vergleich der Komponentenspektren mit jenen in dem ursprünglichen Datenset und Bereitstellen eines Wertes, der zeigt, wie viel von jener Komponente zu jenem Zeitpunkt vorhanden ist. Die Zusammenfassung dieses über die gesamte Zeit entwickelten Datensets produziert ein Profil, welches die Zeithistorie der Anwesenheit jeder Komponente repräsentiert. Dies führt letztendlich zu einer Sequenz von Profilen, die die Zeitabhängigkeit jeder Komponente zeigt.
Der Endbericht kann oft benutzerspezifisch konfiguriert werden, sofern gewünscht, so dass er aus den extrahierten Spektren, den Sucherergebnissen und den Profilen für jede identifizierte Komponente besteht. Dies überwindet mehrere Probleme mit der vorhandenen Technologie:

• Alle Spektren in der Datenbank werden zur Informationsextraktion verarbeitet.
• Der Anwender muss kein Vorwissen über die Probe haben.
• Der Anwender muss keine Kenntnisse in Bezug auf die Analysesoftware haben.
• Die Geschwindigkeit der endgültigen Analyse wird wesentlich beschleunigt.

Ein erster Aspekt der vorliegenden Anmeldung schließt demnach ein Verfahren zum Analysieren von Spektren aus einer sich entwickelnden Probe ein, einschließend: Nutzen eines Spektrometers, um ein Zeit- und/oder Raumreihenset von Spektren zu erhalten; Schätzen von einer oder mehreren qualitativen und quantitativen konstituierenden Komponenten von jedem des Zeit- und/oder Raumreihensets von Spektren mithilfe eines Computers mittels eines Regressionsverfahrens; und Nutzen eines Computers, um die geschätzten einen oder mehreren qualitativen und quantitativen konstituierenden Komponenten aus jedem des Zeit- und/oder Raumreihensets von Spektren an einen Multikomponentensuch-(MCS)-Algorithmus zu übergeben, der konfiguriert ist, iterativ ein oder mehrere Vergleichsspektren, die in einer oder mehreren Spektralbibliotheken abgelegt sind, mit jedem der geschätzten Zeit- und/oder Raumreihensets von Spektren zu korrelieren, die als eine oder mehrere jeweilige qualitative und quantitative konstituierende Komponenten repräsentiert werden, wobei das Ergebnis ein iterativ bestimmtes, am besten übereinstimmendes Zeit- und/oder Raumreihenset von einem oder mehreren Kandidatenspektren ist.
Ein zweiter Aspekt der vorliegenden Anmeldung schließt ein System zum Analysieren von Spektren aus einer sich entwickelnden Probe ein, einschließlich: eines Spektrometers, das konfiguriert ist, ein Zeit- und/oder Raumreihenset von Spektren zu generieren; und eines Computers, der konfiguriert ist, eine oder mehrere qualitative und quantitative konstituierende Komponenten von jedem des Zeit- und/oder Raumreihensets von Spektren mithilfe eines Regressionsverfahrens zu schätzen; wobei der Computer die geschätzte(n) eine oder mehreren qualitativen und quantitativen konstituierenden Komponenten aus jedem des Zeit- und/oder Raumreihensets von Spektren an einen Multikomponentensuch-(MCS)-Algorithmus übergibt, der konfiguriert ist, iterativ ein oder mehrere Vergleichsspektren, die in einer oder mehreren Spektralbibliotheken abgelegt sind, mit jedem der geschätzten Zeit- und/oder Raumreihensets von Spektren zu korrelieren, die als eine oder mehrere jeweilige qualitative und quantitative konstituierende Komponenten repräsentiert werden, wobei das Ergebnis ein iterativ bestimmtes, am besten übereinstimmendes Zeitreihenset von einem oder mehreren Kandidatenspektren ist.
KURZE BESCHREIBUNG DER ZEICHNUNGEN
1A zeigt ein Spektrum eines gegebenen Zeitpunkts einer Reihenzeitdatei einer beispielhaften Probe.
1B zeigt MCR-geschätzte Reinkomponenten-Absorptionsspektren für Kohlendioxid, Ammoniak, Isocyansäure und Wasser, die aus der Entfaltung des Spektrums aus 1A resultieren.
1C zeigt Quantifizierungszeitprofile für die beispielhaften geschätzten Reinkomponenten, die in 1B illustriert sind.
2 illustriert allgemein eine beispielhafte Reihenzeitdatei von geschätzten Reinkomponenten P₁, P₂ und P₃, die aus Multikomponentenregression resultieren, zum späteren Vergleich mit Referenzspektren L₁, L₂ und L₃, die aus einer oder mehreren Spektralbibliotheken erhalten wurden.
3 zeigt eine detailliertere Version der in 2 gezeigten Illustration. Die geschätzten Reinkomponentenspektren (bezeichnet mit P₁, P₂ und P₃...) sind im Vergleich mit Referenzspektren (bezeichnet mit L₁, L₂ und L₃.....) gezeigt, um den Grad zu bestimmen, bis zu dem die Reinspektren den Bibliotheksspektren entsprechen. Wenn die Reinkomponentenspektren mit dem Bibliotheksspektrum bis zu einem gewünschten Grad übereinstimmen, wird das Vergleichsbibliotheksspektrum als Kandidatenspektrum (B_i) angesehen.
4 zeigt ein Flussdiagramm, welches die Abgleichmethodik von 3 zeigt, wobei Kästchen 400 zu Schritt 200 von 3 äquivalent ist, Kästchen 430 zu Schritten 210 und 220 von 2 (sowie zukünftigen Wiederholungen dieser Schritte) äquivalent ist, und das Bedingungskästchen 440 eine Stoppbedingung zum Berichten von Kandidatenspektren an einen Anwender (in Kästchen 450) anwendet.
5 zeigt einen beispielhaften Ausgabebericht von Kandidatenspektren, die einem Benutzer präsentiert werden könnten, nachdem die MCR- und/oder MCR-MCS-Abgleichmethodik mit den geschätzten Reinkomponenten-Zeitreihenspektren durchgeführt worden ist.
DETAILLIERTE BESCHREIBUNG
In der hiesigen Beschreibung der Erfindung wird davon ausgegangen, dass ein im Singular erscheinendes Wort seine Entsprechung im Plural einschließt, und dass ein im Plural erscheinendes Wort seine Entsprechung im Singular einschließt, es sei denn, dass implizit oder explizit etwas anderes darunter verstanden wird oder es anders angegeben ist. Es wird ferner davon ausgegangen, dass allgemein für jegliche angegebene hier beschriebene Komponente oder Ausführungsform jegliche der für diese Komponente aufgelisteten möglichen Kandidaten oder Alternativen individuell oder in Kombination miteinander verwendet werden kann, wenn dies nicht implizit oder explizit anders verstanden oder angegeben wird. Es ist zudem erkennbar, dass die hier gezeigten Figuren nicht notwendigerweise maßstabsgerecht dargestellt sind, wobei einige der Elemente lediglich zur Verdeutlichung der Erfindung dargestellt worden sein können. Bezugsziffern können sich zudem unter den verschiedenen Figuren wiederholen, um entsprechende oder analoge Elemente zu zeigen. Es wird zudem so verstanden, dass jegliche Liste derartiger Kandidaten oder Alternativen lediglich veranschaulichend, nicht einschränkend ist, es sei denn, dass dies implizit oder explizit anders verstanden oder anders angegeben wird. Wenn nicht anders angegeben, sind zudem Zahlen, die Mengen von Bestandteilen, konstituierenden Stoffen, Reaktionsbedingungen und so weiter angeben, die in der Beschreibung und den Ansprüchen verwendet werden, so zu verstehen, als seien sie durch den Begriff „etwa” modifiziert.
Wenn nicht gegenteilig angegeben, sind daher die in der Beschreibung und den angefügten Ansprüchen angegebenen Zahlenparameter Näherungen, die je nach gewünschten Eigenschaften variieren können, die durch den hier präsentierten Gegenstand erhalten werden sollen. Zuallerletzt und nicht im Sinne der Einschränkung der Anwendung der Lehre der Äquivalente auf den Umfang der Ansprüche, sollte jeder Zahlenparameter mindestens im Licht der angegebenen signifikanten Ziffern und durch Anwendung gewöhnlicher Rundungstechniken konstruiert werden. Obwohl die Zahlenbereiche und Parameter, die den allgemeinen Umfang des hier präsentierten Gegenstandes angeben, Näherungen sind, werden die in den konkreten Beispielen berichteten Zahlenwerte so genau wie möglich angegeben. Jegliche Zahlenwerte enthalten jedoch gewisse Fehler, die notwendigerweise aus der Standardabweichung resultieren, die sich in ihren jeweiligen Testmessungen finden.
Allgemeine Beschreibung
Der mühsamste Schritt der Analyse einer Reihendatendatei (z. B. einer Zeitreihe von Spektren) ist die einzelne aufeinander folgende Extraktion mit anschließender Analyse der individuellen Spektren, die selbst Mischungen sein können. Eine derartige Analysenmethodik ist zeitraubend und erfordert einige Kenntnisse und „Kunstfertigkeit”, um effektiv durchgeführt zu werden. Eine solche einzeln aufeinander folgende Extraktionsmethode begrenzt den Anwender auf das Analysieren kleiner Regionen einer Datei, die als „interessant” für den Anwender identifiziert wurden. Um diese Mühsal in neuartiger Weise zu überwinden, schließen die hier offenbarten Ausführungsformen einen automatisierten Prozess unter Verwendung von Multikomponentenregression (MCR) ein, der die Reinkomponenten in der untersuchten Probe schätzt, oft gefolgt von einer Multikomponentensuch-(MCS)-Methode, die (bei entsprechender Konfiguration dieser Vorgehensweise) ungebundene Suchkriterien von einer oder mehreren Spektralbibliotheken nutzt. Ein derartiges MCS-Verfahren wird in der hier durch Bezugnahme aufgenommenen US-Patent Nr. 7,698,098 B2 mit dem Titel ”EFFICIENT SPECTRAL MATCHING, PARTICULARLY FOR MULTICOMPENENT SPECTRA”, ausgegeben am 13. April 2010, an Ritter et al. beschrieben.
Ein erfindungsgemäßes MCR-MCS-Kombinationsverfahren liefert einem Anwender somit ein vorteilhaftes und neues Tool, das einen nützlichen Prozess nicht nur vereinfacht, sondern automatisiert, und für Konsistenz von Anwender zu Anwender sorgt. Die hier offenbarten MCR-MCS-Methodiken können insbesondere vollständige und komplette Analyse des Datensets liefern, so dass selbst kleine Details, die durch konventionelle Verfahren übersehen werden könnten, nun erkannt werden können, um so in nützlicher Weise durch den Anwender interpretiert zu werden. Eine vorteilhafte Verwendung der vorliegenden Ausführungsformen ist beispielsweise das Überlagern von Profilen, die das zeitliche Verhalten der verschiedenen Komponenten zeigen. Ein derartiges Ergebnis liefert das, was ein Kunde sucht, d. h. eine in die Tiefe gehende Untersuchung, wie sich die Daten während des zeitgebundenen Ereignisses entwickeln.
Dies bedeutet für den Endanwender, dass eine rasche, komplette Geschichte berichtet werden kann. Die Profile (was und wann) für zwei oder mehr Materialien, die sich nur in irgendeinem Additiv unterscheiden, können beispielsweise verglichen werden, wodurch dem Anwender mitgeteilt wird, was anders ist. In Fällen, in denen die gleichen Materialien vorhanden sind, der Gesamtprozess sich jedoch unterschieden hat, können die Zeitentwicklungsplots illustrieren, wie der unterschiedliche Produktionsprozess die Materialien beeinflusst. Wichtig ist, dass die erfindungsgemäßen Verfahren für jedes Fertigkeitsniveau des Anwenders verfügbar sind, was bedeutet, dass pharmazeutische Labore ohne Spezialwissen in beispielsweise der FT-IR-Analyse von Materialien oder das normale analytische Labor mit wenig versierten Anwendern nun hochwertige Ergebnisse erhalten können.
Spezielle Beschreibung
Der hier offenbarte Aspekt der Multivariaten Komponentenauflösung (MCR) betrifft eine mathematische Methode des regressiven Extrahieren eines Sets von Konzentrations-Zeit-Profilen und geschätzten Spektren von Reinkomponenten aus einem Zeitreihenset von unbekannten Mischungsspektren ohne jegliche vorherige Kenntnis der Mischung, die in der untersuchten sich entwickelnden Probe enthalten ist. Es ist daher zu erkennen, dass die automatisierte Verarbeitungsart der vorliegenden Anmeldung mit MCR beginnt, um so eine Reihe linear unabhängiger Faktoren aus der Sequenz der erfassten Spektraldaten zu extrahieren. Die Faktoren repräsentieren im Wesentlichen eine Destillation der Reihe von Spektren auf ihre konstituierenden Anteile, d. h. Spektren, die, wenn sie kombiniert werden, die Daten beschreiben. Als nicht-einschränkende Illustration kann ein derartiges Zeitreihendatenset des MCR-Verfahrens wie hier offenbart verwendet werden, um geschätzte „Reinkomponenten” (z. B. Fluorophore) einer fluoreszierenden Probe zusammen mit den jeweiligen relativen Konzentrationen zu extrahieren, um so die quantitativen Beiträge von solchen individuellen geschätzten „reinen” Komponenten zu liefern.
Als Arbeitsverfahren werden somit zuerst Absorptionsspektren, die gegen die Zeit gemessen wurden, durch Nutzung von beliebig vielen denn Durchschnittsfachmann bekannten Mitteln erhalten, wie beispielsweise, jedoch ohne Einschränkung thermogravimetrische Analyse (TGA), um ein Zeitreihenset von Spektraldaten zu produzieren (Spektren, die aus einer sich entwickelnden Probe erfasst wurden), ähnlich der Darstellung in 1A. Das Anfangsziel ist die Schätzung der „Reinkomponenten”, die das Zeitreihenset der Spektren ausmachen.
Obwohl Multikomponentenregression (MCR) die gewünschten Reihen von linear unabhängigen Spektren durch den Analyseprozess extrahieren kann, ist dementsprechend jedoch zu erkennen, dass die MCR-Software nicht zwischen Spektren mit einer Komponente oder zehn unterscheiden kann, sondern nur Spektren extrahieren kann, die unabhängige zeitliche Entwicklung zeigen. Wenn sich beispielsweise aus einer Probe zur gleichen Zeit Ammoniak und Wasser entwickeln, kann die MCR-Software, wie hier eingesetzt, das Spektrum von Ammoniak plus Wasser herausholen, aber nicht die separaten Spektren von Ammoniak und Wasser. Wenn andererseits sich auch Isocyanat entwickelt, jedoch zu einem anderen Zeitpunkt, kann das Ergebnis Ammoniak plus Wasser und Isocyanat anzeigen, selbst wenn die resultierenden Spektren mit den Spektren von Ammoniak plus Wasser überlappen.
Wenn wir uns speziell 1A, 1B und 1C zuwenden, zeigen die illustrierten Figuren beispielhafte Daten von Kohlendioxid, Ammoniak, Isocyansäure und Wasser, die in einer sich entwickelnden Epoxyprobe eingeschlossen sind, wie durch Instrumente erhalten und anschließend mithilfe des Verfahrensschritts der multivariaten Kurvenauflösung (MCR) der Erfindung extrahiert wurden. Die in 1A gezeigten Spektren zeigen insbesondere eine Momentaufnahme zur Zeit der Absorptionsspektren, die mittels thermogravimetrischer Analyse (TGA) der Probe erhalten wurden. Benutzer können solche Daten mit einem dafür vorgesehenen Frontend erfassen, wodurch eine Reihenzeitdatei von Spektren ähnlich 1A produziert wird.
1B zeigt jeweils die Absorptionsspektren von geschätzten Reinkomponenten (z. B. Kohlendioxid, Ammoniak, Isocyansäure und Wasser) als Ergebnis von MCR-Analyse der erhaltenen Reihenzeitdatei der Spektren, von denen eines beispielhaft in 1A zu sehen ist. 1C zeigt schließlich MCR-produzierte Zeitprofile für die in 1B gezeigten geschätzten Komponenten.
Als noch allgemeine, dennoch detailliertere Beschreibung des hier offenbarten MCR-Algorithmus wird zuerst ein Set von Absorptionsspektren, ähnlich 1A, jedoch gegen die Zeit gemessen, durch Mittel erfasst, die Durchschnittsfachleuten bekannt sind. Die MCR-eingebettete Software ruft das Set von Absorptionsspektren S (Spektren × Anzahl von Datenpunkten) auf. Es sei darauf hingewiesen, dass das erste Ziel des MCR-Softwarepakets in der Schätzung der Reinkomponenten” liegt, die das Set von Spektren ausmachen. Für den Start werden die Reinkomponenten als P bezeichnet (Reinkomponenten × Anzahl von Datenpunkten), und mit C (Spektren × Reinkomponenten) wird die Menge jeder Reinkomponente in jedem Spektrum angegeben.
Für gegebene tatsächliche Spektren von Reinkomponentenmatrix S, wobei jede Reihe mit einem Spektrum einer Mischung korreliert, wird als Ergebnis die folgende Form produziert: 1) S = PC
P und C sind hier die Vektormatrizes, wobei P, wie oben angegeben, die „Reinkomponenten” sind (d. h. Reinkomponenten × Anzahl der Datenpunkte), und C die Menge jeder Reinkomponente in jedem Spektrum ist (Spektren × Reinkomponenten). Es sei zudem darauf hingewiesen, dass die „Reinkomponenten” (d. h. Reinkomponenten × Anzahl von Datenpunkten) wünschenswerterweise etwa dieselben wie die Gesamtzahl der geschätzten Komponenten sind, die aus der Reihenzeitdatei resultieren. Das aus der obigen Gleichung 1 resultierende korrelierte Spektrum produziert somit wünschenswerterweise beste Schätzungen hinsichtlich dessen, wie sich die dominantesten Individualkomponentenintensitäten in der/den sich entwickelnden Probe(n) verändern.
Es sei zudem darauf hingewiesen, dass die hier offenbarten Schritte des MCR-Verfahrens auch vorteilhaft Restriktionen nutzen, wie beispielsweise Unimodalitätsrestriktionen, öfter jedoch Nicht-Negativitäts-Randbedingungen. Oft wird als bevorzugte Restriktion eine Nicht-Negativitäts-Randbedingung auf Grundlage von spezifischen Kenntnissen der Daten gewählt; z. B. dass Absorptionsmessungen positiv sein sollten, um so verbesserte Intensitäten und Probenkonzentrationen in den Daten zu liefern, die oft durch Uneindeutigkeit der Messung belastet sein können. Die Verwendung von Nicht-Negativitäts-Randbedingungen schränkt C und P ferner beide dahingehend ein, dass sie nicht negativ sind, d. h. c(i, j) >= 0 und p(j, k) >= 0; (wobei i der Anzahl der spektroskopisch k Mal bei Wellenlängen j gemessenen Proben entspricht).
Um mit denn Iterationsprozess zu beginnen, muss MCR am Anfang die Zahl der Komponenten raten. Es sind Strategien vorgeschlagen worden, um die Zahl der Komponenten zu schätzen, letztendlich beinhaltet jede der Strategien jedoch eine gewisse Willkürlichkeit. Die Technik muss sowohl die Reinkomponentenspektren als auch die Konzentrationen von einem Zeitreihenset von gemessenen Spektren oder einer räumlichen Sammlung von Spektren schätzen. Dies erfolgt in einem iterativen Verfahren, welches als alternierende kleinste Quadrate bezeichnet wird. Der erste Schritt besteht darin, die Form von entweder den Reinkomponentenspektren oder den Konzentrationsprofilen willkürlich zu raten.
Wenn Sie die Reinkomponentenspektren willkürlich raten, lösen Sie das Problem der kleinsten Quadrate S = PC für C mit der Randbedingung, dass alle c_jk >= 0. Dies erfolgt nach einem iterativen Verfahren, welches als nicht-negative kleinste Quadrate (Non-Negative Least Squares; NNLS) bezeichnet wird. Dies führt zu einer Schätzung von C. Diese Schätzung von C, die Konzentrationen für die Spektren, wird dann verwendet, um eine neue Schätzung der Reinkomponentenspektren, P, vorzunehmen. Das heißt, dass das Problem S = PC durch NNLS für P aufgelöst wird. Die Tatsache, dass die Technik NNLS ist, gewährleistet, dass alle p_ij >= 0. Die Schritte, die nach C neu auflösen und dann nach P neu auflösen, werden fortgesetzt, bis die Lösung konvergiert. Dies geschieht nach mehreren Iterationen. Das Ergebnis ist eine Lösung nach Art der kleinsten Quadrate für die Reinkomponentenspektren, P, und die Konzentrationen für die Spektren, C, die die Sammlung der gemessenen Spektren S produzieren.
Es sei darauf hingewiesen, dass die Reinkomponentenschätzung eine Näherung ist und nicht bewiesen wurde, dass sie mit dem Spektrum irgendeines realen physischen Materials übereinstimmt. Es handelt sich jedoch um einen aussagekräftigen Ausgangspunkt für eine MCS-(Multikomponentensuch-)analyse.
MCR kann danach dem Anwender die geschätzten Komponenten und Konzentrationen in Diagrammen oder Plots bereitstellen, um die Zeitabhängigkeit zu zeigen, wie in ähnlicher Weise in 1B (d. h. ergibt geschätzte Reinkomponenten) und 1C (d. h. ergibt Konzentrations-Zeit-Profile für jede geschätzte Reinkomponente) gezeigt.
Es ist jedoch wie oben angegeben zu erkennen, dass der vorteilhafte Aspekt der vorliegenden Erfindung in der Fähigkeit zur Integration der MCR-Analysenmethodik mit dem MCS-(Multikomponentensuch)-Algorithmus liegt, der in ähnlicher Weise in der durch Bezugnahme aufgenommenen US-Patent Nr. 7,698,098 B2 mit dem Titel ”EFFICIENT SPECTRAL MATCHING, PARTICULARLY FOR MULTICOMPENENT SPECTRA”, ausgegeben am 13. April 2010 an Ritter et al., beschrieben ist. Ein derartiger MCS-Prozess entfaltet im Allgemeinen die individuellen Spektren, nach denen bereitgestellte Datenbanken durchsucht werden, wie anschließend detaillierter beschrieben wird. MCS liefert somit Identifizierung von jeder der geschätzten Komponenten, die aus MCR resultieren, indem eine Spektralkorrelation durchgeführt wird, die die individuellen Spektren mit Originaldatensets korreliert. Das gesamte vorteilhafte Ergebnis ist die Produktion von oft verbesserten, genau geschätzten Komponenten und Zeitprofilen ähnlich denjenigen in 1A und 1C, d. h. um dem Anwender noch zuverlässigere zeitabhängige Informationen zu jeder Komponente in einer sich entwickelnden Probe zu bieten.
2 wird nun schematisch gezeigt, um ein allgemeines Verständnis des integrierten neuartigen Aspekts von MCR-MCS zu liefern. P₁, P₂, P₃...., wie in 2 gezeigt, bezeichnen spezifisch geschätzte Reinkomponenten-Zeitreihenspektren, die von einem Spektrometer erhalten wurden, unter Verwendung von MCR-Software. Solche geschätzte Spektralinformation, d. h. P₁, P₂, P₃...., wie durch MCR bereitgestellt, werden dann an den MCS-Softwareaspekt abgegeben, um mit den zuvor erhaltenen Referenzvergleichsspektren verglichen zu werden (bezeichnet mit L₁, L₂, L₃...).
3 gibt detailliert an, wie die geschätzten Zeitreihen-Reinkomponentenspektren P₁, P₂, P₃.... von 2 mit einigen der Vergleichs-(Bibliotheks-)spektren verglichen werden, um den Grad zu bestimmen, bis zu dem die Reinspektren den Vergleichsbibliotheksspektren L₁, L₂, L₃..., entsprechen (nun in Schritt 200 von 3 illustriert gezeigt).
Nachdem eine geschätzte Zeitreihe von Reinkomponentenspektren P₁, P₂, P₃...., wie in Schritt 200 illustriert gezeigt, von einem optischen Instrument (z. B. einem Spektrometer), einer Datenbank oder jeder Quelle, die Fachleuten bekannt ist, erhalten und danach mittels MCR wie bereits erörtert verarbeitet wurde, können insbesondere Vergleichsbibliotheksspektren, z. B. L₁, L₂, L₃, in folgender Weise identifiziert werden.
Anfangs wird aus einer oder mehreren Spektralbibliotheken oder anderen Quellen auf Vergleichsspektren zugegriffen, d. h. ein oder mehrere Referenzspektren zum Vergleich. Das eine oder die mehreren geschätzten Reinkomponenten-Zeitreihenspektren P₁, P₂, P₃...., die mittels MCR extrahiert wurden, werden dann mit mindestens einigen der Vergleichsspektren verglichen, um den Grad zu bestimmen, bis zu dem die Zeitreihen der Spektren dem einen oder den mehreren Vergleichsspektren entsprechen. Wenn die geschätzten Reinkomponenten-Zeitreihenspektren P₁, P₂, P₃.... einem oder mehreren Vergleichsspektren bis zu einem gewissen Grad entsprechen, wie durch Erfüllen oder Übertreffen irgendeines benutzerdefinierten oder vorgewählten Entsprechungsschwellenwerts, werden das eine oder die mehreren Vergleichsspektren als durch ein oder mehrere Kandidatenspektren B(1)₁, B(1)₂, ... B(1)_M identifiziert angesehen, solange der Entsprechungsschwellenwert nicht zu hoch eingestellt wurde. Wenn keine Kandidatenspektren identifiziert werden, kann der Entsprechungsschwellenwert auf einen niedrigeren Wert gesetzt werden.
Als nächstes wird die Möglichkeit betrachtet, dass irgendeines der geschätzten Reinkomponenten-Zeitreihenspektren aus einer Multikomponentenmischung erschienen sein könnte. Es werden neue Vergleichsspektren generiert, wobei jedes Vergleichsspektrum eine Kombination von einem der zuvor identifizierten Kandidatenspektren und einem der Vergleichsspektren aus den Spektralbibliotheken oder anderen Quellen ist. Die geschätzten ein oder mehreren Reinkomponenten-Zeitreihenspektren werden dann erneut mit mindestens einigen dieser neuen Vergleichsspektren verglichen, um den Grad zu bestimmen, bis zu dem die geschätzten Reinkomponenten-Zeitreihenspektren den neuen Vergleichsspektren entsprechen. Dieser Schritt ist in 210 in 3 schematisch illustriert, wobei jedwede Anzahl der geschätzten Reinkomponenten-Zeitreihenspektren P₁, P₂, P₃...., mit neuen Vergleichsspektren verglichen wird: B(1)₁ + L₁, B(1)₁ + L₂, ... B(1)₁ + L_N (d. h. das erste der zuvor identifizierten Kandidatenspektren aus Schritt 200 in 3 kombiniert mit jedem der Vergleichsspektren aus den Spektralbibliotheken oder anderen Quellen): B(1)₂ + L₁, B(1)₂ + L₂, ... B(1)₂ + L_N (d. h. das zweite der zuvor identifizierten Kandidatenspektren aus Schritt 200 kombiniert mit jedem der Vergleichsspektren aus den Spektralbibliotheken oder anderen Quellen) und so weiter, bis die geschätzten Reinkomponenten-Zeitreihenspektren mit neuen Vergleichsspektren verglichen werden: B(1)_M + L₁, B(1)_M + L₂, ... B(1)_M + L_N (d. h. das letzte der zuvor identifizierten Kandidatenspektren aus Schritt 200 kombiniert mit jedem der Vergleichsspektren aus den Spektralbibliotheken oder anderen Quellen).
Wenn sich aus diesen Vergleichen ergibt, dass beispielsweise irgendeines der neuen Vergleichsspektren einen gewünschten Entsprechungsgrad mit den geschätzten Reinkomponenten-Zeitreihenspektren P₁, P₂, P₃.... aufweist (wie durch Erfüllen oder Übertreffen des Entsprechungsschwellenwerts), wird das neue Vergleichsspektrum als ein neues Kandidatenspektrum angesehen. Diese neuen Kandidatenspektren sind in 3 in Schritt 210 als B(2)₁, B(2)₂, ... B(2)_M abgebildet. (Es sei darauf hingewiesen, dass gewünschtenfalls M in Schritt 210 nicht gleich M in Schritt 200 sein muss, d. h. die Anzahl der Kandidatenspektren in Schritt 210 muss nicht dieselbe wie die Anzahl der Kandidatenspektren in Schritt 200 sein.) Hier repräsentiert jedes Kandidatenspektrum B(2)₁, B(2)₂, ... B(2)_M zwei Komponenten, d. h. zwei kombinierte Referenzspektren, die aus einer Spektralbibliothek oder anderen Quelle erhalten werden.
Der vorhergehende Schritt kann dann gewünschtenfalls einmal oder mehr fach in ungebundener Weise wiederholt werden, wobei jede Wiederholung unter Verwendung der in dem vorhergehenden Schritt identifizierten Kandidatenspektren zur Generierung neuer Vergleichsspektren dient. Beispiele hierfür finden sich in Schritt 220 in 3, wobei die Kandidatenspektren B(2)₁, B(2)₂, ... B(2)_M aus Schritt 210 in Kombination mit den Vergleichsspektren L₁, L₂, ... L_N aus den Spektralbibliotheken oder anderen Quellen zur Generierung neuer Vergleichsspektren verwendet werden. Vergleich der geschätzten Reinkomponenten-Zeitreihenspektren P₁, P₂, P₃...., mit diesen neuen Vergleichsspektren identifiziert wiederum neue Kandidatenspektren B(3)₁, B(3)₂, ... B(3)_M (wobei M wiederum nicht gleich M in den Schritten 210 und/oder 200 sein muss). Die Wiederholung kann enden, wenn die Kandidatenspektren irgendeine gewünschte Anzahl von Komponenten einschließen, z. B. nachdem die neuen Vergleichsspektren eine gewünschte Anzahl an kombinierten Vergleichs-/Referenzspektren einschließen, die aus einer Spektralbibliothek oder anderen Quelle erhalten wurden.
Diese Bedingung ist in dem Flussdiagramm von 4 illustriert, wobei Schritt 400 zu Schritt 200 von 3 äquivalent ist, Schritt 430 zu den Schritten 210 und 220 von 3 äquivalent ist (sowie zukünftigen Wiederholungen dieser Schritte), und das Bedingungskästchen 440 die Anzahl der Komponenten c in den Kandidatenspektren auswertet und die Wiederholung beendet, nachdem irgendeine Maximalanzahl C erreicht ist. Die Wiederholung kann alternativ oder zusätzlich enden, wenn irgendeine gewünschte Anzahl von Kandidatenspektren identifiziert ist; wenn ein oder mehrere Kandidatenspektren identifiziert sind, das/die in mindestens irgendeinem qualifizierenden Entsprechungswert mit dem unbekannten Spektrum übereinstimmt/übereinstimmen (wobei der qualifizierende Entsprechungswert größer er als der Schwellenwertentsprechungswert ist), wie anschließend erörtert wird; oder wenn andere geeignete Bedingungen erscheinen.
Mindestens einige der Kandidatenspektren können dann einem Anwender präsentiert werden, wobei die Kandidatenspektren dem Anwender vorzugsweise nach Rang geordnet präsentiert werden, so dass solche Kandidatenspektren mit größerer Entsprechung zu dem unbekannten Spektrum zuerst präsentiert werden (wie in Schritt 450 in 4 abgebildet ist). Ein beispielhaftes Format für eine Ausgabeliste von Kandidatenspektren, die einem Anwender präsentiert werden können, wird in 5 illustriert. Details zu dem unbekannten Spektrum werden in der Überschrift der Ausgabeliste angegeben, gefolgt von Details zu den Kandidatenspektren. Das erste aufgelistete Kandidatenspektrum – aufgelistet mit einem Rang/Index von 1 – ist ein Spektrum für Polystyrolfilm und hat eine Übereinstimmungsmetrik (in etwa äquivalent zu einer „prozentualen Übereinstimmung”) von 99,58 gegenüber dem unbekannten Spektrum. Die Spektralbibliothek oder andere Quelle dieses Kandidatenspektrums ist ebenfalls aufgelistet (hier „Anwender-Beispielbibliothek”), ebenso wie seine Position innerhalb der Bibliothek/Quelle (im „Quellindex” Nr. 2, d. h. dies ist das zweite in der „Anwender-Beispielbibliothek” bereitgestellte Spektrum). Das zweite aufgelistete Kandidatenspektrum ist in der Tat eine Kombination von drei Spektren aus Spektralbibliotheken oder anderen Quellen – ein Spektrum von Toluol (Transmissionszelle), ein Spektrum eines ABS-Kunststoffs (ATR-korrigiert) und ein Polytetrafluorethylenfilmspektrum – wobei diese Spektren, wenn sie in geeigneten Anteilen (wie anschließend erörtert) kombiniert werden, eine Übereinstimmungsmetrik von 68,97 mit dem unbekannten Spektrum ergeben. Ihre kumulativen Übereinstimmungsmetriken werden auch präsentiert, wobei Toluol eine Übereinstimmungsmetrik von 56,96, Toluol und ABS zusammen eine Übereinstimmungsmetrik von 68,92 und Toluol, ABS und Polytetrafluorethylen zusammen die Übereinstimmungsmetrik von 68,97 ergeben. Die Bibliotheken oder anderen Quellen für diese Spektren werden wiederum zusammen mit einer Angabe der Position jedes Spektrums innerhalb seiner Bibliothek/Quelle bereitgestellt.
Zusätzliche Metriken werden vorzugsweise auch mit der Ausgabeliste bereitgestellt, insbesondere dem Gewicht jedes Vergleichsspektrums (jedes Komponenten-/Referenzspektrums) innerhalb des Kandidatenspektrums, d. h. dem Skalierungsfaktor, der zur Anpassung jedes Vergleichsspektrums verwendet wurde, um die beste Übereinstimmung mit dem unbekannten Spektrum zu erhalten. Das erste aufgelistete Kandidatenspektrum (Polystyrolfilm) hat beispielsweise ein Gewicht von 5,4195, das bedeutet, dass laut Schätzung das unbekannte Spektrum das 5,4195-fache des Polystyrolgehalts der Probe aufweist, von der das Kandidatenspektrum erhalten wurde. Das zweite aufgelistete Kandidatenspektrum enthält unterschiedliche Gewichte von Toluol, ABS und Polytetrafluorethylen, wobei diese Gewichte durch Regressionsanalyse der Vergleichsspektren gegen das unbekannte Spektrum während des oben genannten Vergleichsschritts ermittelt wurden (d. h. die verschiedenen Komponenten-/Referenzspektren innerhalb eines Vergleichsspektrums werden proportioniert gewertet, um die beste Übereinstimmung mit dem unbekannten Spektrum während des Vergleichs zu erreichen). Der Anwender kann somit mit mindestens einer annähernden Quantifizierung der Komponenten innerhalb des unbekannten Spektrums versehen werden.
Die obige Methodik kann bezeichnet werden als Finden der Referenzspektren mit „bester Übereinstimmung”, Kombinieren der am besten übereinstimmenden Spektren mit anderen Referenzspektren und dann weiterhin Identifizieren von am besten übereinstimmenden Spektren aus diesen Kombinationen (mit der Methodik, die iterativ mit dem vorherigen Kombinationsschritt fortfährt). Es ist daher ersichtlich, dass die Methodik anstelle des Vergleichens aller möglichen Kombinationen von Referenzspektren L₁, L₂, ...L_N, weitaus weniger Kombinationen berücksichtigen kann, grundlegend durch Herausnehmen der Referenzspektren, die weniger Ähnlichkeit mit denn unbekannten Spektrum haben. Die Methodik gibt als Ergebnis hochwertige Übereinstimmungen in weitaus kürzerer Zeit zurück als in Methoden, die alle Kombinationen berücksichtigen, insbesondere wenn große Zahlen von Referenzspektren verwendet werden, und wenn das unbekannte Spektrum auf größere Kombinationen von Komponenten-/Referenzspektren geprüft wird – wobei in einigen Fällen in Minuten Ergebnisse zurückgegeben werden, wo zuvor Stunden benötigt wurden.
Vor dem Durchführen der oben genannten Vergleiche zwischen den geschätzten Reinkomponenten-Zeitreihenspektren und Vergleichsspektren kann die Erfindung eine oder mehrere Transformationen an einem oder beiden der geschätzten Reinkomponenten-Zeitreihenspektren und Vergleichsspektren durchführen, um die Genauigkeit des Vergleichsprozesses zu beschleunigen und/oder zu erhöhen oder anderweitig die Datenverarbeitung zu verbessern. Die Erfindung kann als Beispiele eine oder mehrere von Datenglättung (Reduktion des Rauschens), Peakunterscheidung, Neuskalierung, Domänentransformation (z. B. Transformation zu Vektorformat), Differenzierung oder andere Spektrentransformationen durchführen. Der Vergleich selbst kann auch eine Vielfalt von Formen annehmen, wie durch einfaches Vergleichen von Intensitäten/Amplituden über ähnliche Wellenlängenbereiche zwischen unbekannten und Vergleichsspektren, durch Konvertieren der unbekannten und Vergleichsspektren in vektorielle Formen und Vergleichen der Vektoren, oder durch andere Formen des Vergleichs.
Die oben beschriebene Methodik kann zudem modifiziert werden, um die Identifizierung von Kandidatenspektren weiter voranzutreiben. Als ein Beispiel für eine derartige Modifizierung kann die Kombination, wenn ein neues Vergleichsspektrum generiert wird, indem ein zuvor identifiziertes Kandidatenspektrum und ein aus einer Spektralbibliothek oder anderen Quelle erhaltenes Vergleichsspektrum kombiniert werden, übersprungen oder verworfen werden (d. h. gelöscht oder nicht als potenzielles neues Kandidatenspektrum gezählt werden), wenn das Kandidatenspektrum das Vergleichsspektrum bereits enthält.
Zur spezielleren Veranschaulichung betrachten wir die Situation, in der Vergleichsspektrum L₁, das aus einer Spektralbibliothek erhalten wird, in Schritt 200 (3) aufgrund einer ausreichenden Übereinstimmung mit unbekannten Spektren als B(1)₁ gewählt wird. In der nächsten Iteration in Schritt 210 kann das neue Vergleichsspektrum B(1)₁ + L₁ übersprungen oder verworfen werden, da es äquivalent zu L₁ + L₁ ist (d. h. Referenzspektrum L₁ in Kombination mit sich selbst, was lediglich wiederum zu L₁ führt). Durch Vermeiden der Generierung und/oder Verwendung von Vergleichsspektren, die redundante Komponentenspektren aufweisen, kann die Methodik Rechenzeit für Vergleichsspektren reservieren, die mit höherer Wahrscheinlichkeit neue Kandidatenspektren ergeben.
Als weiteres Beispiel für eine Modifizierung, die implementiert werden kann, um die Identifizierung von Kandidatenspektren zu beschleunigen, wenn ein Kandidatenspektrum in höherem Grad als oder gleich irgendeinem „qualifizierenden” Entsprechungswert mit denn unbekannten Spektrum übereinstimmt – wobei dieser qualifizierende Entsprechungswert größer als der Schwellenwertentsprechungswert ist – können die Vergleichsspektren darin (d. h. deren Komponentenspektren) aus jeglicher späteren Generierung neuer Vergleichsspektren ausgeschlossen werden. Diese Maßnahme verfolgt im Wesentlichen den Ansatz, dass, wenn ein Kandidatenspektrum bereits eine sehr gute Übereinstimmung für ein unbekanntes Spektrum ist (z. B. wenn es einen qualifizierenden Entsprechungswert von über 95% hat), dies ausreichend sein kann und kein signifikanter Bedarf an der Bestimmung besteht, ob die Übereinstimmung sogar noch gesteigert werden kann, wenn das Kandidatenspektrum mit anderen Spektren kombiniert wurde.
Eine weitere Modifizierung, die vorgenommen werden kann, um die Identifizierung von Kandidatenspektren zu beschleunigen, gilt für den speziellen Fall, wenn eine oder mehrere der Komponenten des unbekannten Spektrums bekannt sind – beispielsweise bei der Überwachung des Ausstoßes eines Prozesses, in dem ein Material mit bekannten Komponenten in festgelegter Quantität generiert werden soll. In diesem Fall können während der ersten Vergleichsrunde (Schritt 200 in 3, Schritt 400 in 4) die Kandidatenspektren B(1)₁, B(1)₂, ... B(1)_M einfach auf die Spektren für die bekannten Komponenten gesetzt werden. Die Ausführung des restlichen Verfahrens dient dann zur Identifizierung jeglicher zusätzlicher Komponenten (d. h. Verunreinigungen), die vorhanden sein können, sowie der relativen Proportionen der verschiedenen Komponenten.
Wenn der Entsprechungsschwellenwert, d. h. der erforderliche Übereinstimmungsgrad zwischen den geschätzten einen oder mehreren Reinkomponenten-Zeitreihenspektren und einem Vergleichsspektrum, damit das Vergleichsspektrum als Kandidatenspektrum angesehen wird, wie bereits konstatiert, zu hoch angesetzt wird, kann das Ergebnis sein, dass sich keine Kandidatenspektren ergeben. Ein Wert von 90% Entsprechung ist typischerweise für den Entsprechungsschwellenwert geeignet, obwohl dieser Wert je nach Details der betrachteten Spektren möglicherweise besser höher oder niedriger gesetzt wird.
Es ist auch möglich, den Entsprechungsschwellenwert auf null (oder einen Wert nahe null) zu setzen, wobei in diesem Fall somit ein Kandidatenspektrum aus jedem Vergleichsspektrum resultieren kann. Wenn der Entsprechungsschwellenwert in Schritt 200 von 3–4 beispielsweise auf null gesetzt wird, entspricht M = N und B(1)₁, B(1)₂, ... B(1)_M entsprechen dann jeweils einem von L₁, L₂, ... L_N. Einge der Kandidatenspektren können in diesem Fall in Wirklichkeit schlechte Kandidaten sein, weil sie mit dem unbekannten Spektrum schlecht übereinstimmen. Es ist dann nützlich, die Kandidatenspektren nach Rang von der höchsten Entsprechung bis zur geringsten Entsprechung zu ordnen und dann zuerst jene Kandidatenspektren mit der höchsten Entsprechung zu berücksichtigen, wenn jegliche Folgeschritte durchgeführt werden. Um Rechenvorgänge zu reduzieren, kann es in diesem Fall nützlich sein, die Kandidatenspektren mit der niedrigsten Entsprechung zu verwerfen, wenn jegliche Folgeschritte durchgeführt werden. Man könnte beispielsweise nur die obersten 10%, 25% oder 50% der Kandidatenspektren mit der höchsten Entsprechung behalten und diese in Folgeschritten verwenden.
Es wird erwartet, dass die Erfindung in Spektralidentifizierungssoftware zur Verwendung in Computern oder anderen Systemen (z. B. Spektrometern) implementiert werden kann, die Spektraldaten empfangen und analysieren. Solche Systeme können tragbare/handgeführte Computer, Feldmessgeräte, anwendungsspezifische integrierte Schaltkreise (ASICs) und/oder programmierbare Logikgeräte (PLD) einschließen, die in Umwelt-, Industrie- oder sonstigen Überwachungsgerätschaften und jeglichen anderen Systemen bereitgestellt werden, wo sich die Erfindung als nützlich erweisen kann.
In einer weiteren Ausführungsform illustriert das folgende, nicht einschränkende Beispiel einen vorteilhaften Aspekt einer Benutzerausgabenschnittstelle zur Verwendung mit den hier offenbarten Verfahren. Es ist zu erkennen, dass ein eng verwandtes Problem, das mit den vorliegenden Ausführungsformen potenziell gelöst werden kann, die Analyse zweier ähnlicher Materialien beinhaltet. Zwei beispielhafte Szenarien: In einem ersten versagt eine Dichtung oder ein O-Ring aus einer Charge, während ein entsprechendes Teil aus einer anderen Charge gut funktioniert. In einem zweiten hat Wettbewerber B ein Produkt eingeführt, das einem Produkt chemisch ähnlich ist, welches von Wettbewerber A hergestellt wird, und A möchte die Unterschiede in der Verarbeitung kennen. In beiden Fällen ist TGA-IR oft ein aufschlussreiches, vorteilhaftes Verfahren, welches zu implementieren ist, wobei qualitative und quantitative Daten bereitgestellt werden.
Somit kann vorteilhaft ein (d. h. digital übereinandergelegter (oder nebeneinander präsentierter)) „Lichtkasten”, eine Erweiterung der Erfindung, zusätzlich bereitgestellt werden, der die Durchführung einer gekoppelten Analyse (d. h. nicht sequentiell, sondern simultan) der beiden Datensets beinhaltet. Das Endergebnis kann eine Sequenz von Zusammensetzungsinformationen und Profilinformationen sein. Die Ausgabeschnittstelle kann Ansichten der Suchergebnisse und Ansichten der zeitlichen Entwicklungsprofile dieser Komponenten bereitstellen. Ein wichtiger Aspekt ist die Unterschiede zwischen diesen Vergleichen.
Wenn die Analysen so konfiguriert sind, dass sie sequenziell erfolgen, kann sich die Rangordnung der Suchergebnisse und der Zahl der gefundenen Komponenten potenziell unterscheiden, wodurch der Vergleich komplexer wird. Indern die Analyse gekoppelt durchgeführt wird, werden die Ergebnisse sowohl nach Zusammensetzung als auch nach Rangordnung der Suchergebnisse verknüpft. Dies ermöglicht den „Lichtkasten”-Ansatz, wobei die Ergebnisse zum einfachen Vergleich digital übereinandergelegt (oder nebeneinander präsentiert) werden.
Wenn wir auf die beiden Szenarien zurückkommen, könnte im ersten Fall die Überlagerungsansicht zeigen, dass eine Komponente fehlt – ein Formulierungsfehler – oder dass das Temperaturentwicklungsprofil für eine oder mehrere Komponenten zwischen den beiden verschoben ist – ein Verarbeitungsfehler. Im zweiten Fall ermöglichen die Deformulierungsprofile den Vergleich des bekannten Produkts mit bekannten Charakteristika von Unternehmen A mit dem unbekannten Material von Unternehmen B, wobei wiederum Zusammensetzungs- oder Verarbeitungsunterschiede zum Vorschein kommen. Dies repräsentiert letztendlich die „endgültige Antwort”, wonach die gesamte Analyse gestrebt hat – was an diesen beiden Proben verschieden ist.
Obwohl die Erfindung allgemein als im Kontext der Spektralabgleichung für Molekülspektrometer einsetzbar beschrieben wurde, kann sie alternativ oder zusätzlich in der Massenspektroskopie, Röntgenspektroskopie oder in anderen Spektroskopieformen eingesetzt werden. Sie kann zudem in anderen Formen der Messanalyse nützlich sein, bei der Signale gegen Referenzwerte gemessen werden, wobei derartige Signale und Referenzwerte im Kontext der Erfindung als „Spektren” angesehen werden können.
Es sei darauf hingewiesen, dass die in Hinsicht auf die hier enthaltenen verschiedenen Ausführungsformen beschriebenen Merkmale in jeglicher Kombination gemischt und kombiniert werden können, ohne von der Idee und dem Umfang der Erfindung abzuweichen. Obwohl unterschiedliche ausgewählte Ausführungsformen illustriert und detailliert beschrieben worden sind, ist zu erkennen, dass sie beispielhaft sind und dass vielerlei Ersetzungen und Abänderungen möglich sind, ohne von der Idee und dem Umfang der vorliegenden Erfindung abzuweichen.

Claims

Verfahren zum Analysieren von Spektren aus einer sich entwickelnden oder verändernden Probe, umfassend: Nutzen eines Spektrometers, um ein Zeit- und/oder Raumreihenset von Spektren zu erhalten; Schätzen einer oder mehrerer qualitativer und quantitativer konstituierender Komponenten aus jedem der Zeit- und/oder Raumreihensets von Spektren mithilfe eines Computers mittels eines Regressionsverfahrens; und Nutzen eines Computers, um die geschätzten ein oder mehreren qualitativen und quantitativen konstituierenden Komponenten aus jedem des Zeit- und/oder Raumreihensets von Spektren an einen Multikomponentensuch-(MCS)-Algorithmus zu übergeben, der konfiguriert ist, ein oder mehrere Vergleichsspektren, die in einer oder mehreren Spektralbibliotheken abgelegt sind, iterativ mit jedem des geschätzten Zeit- und/oder Raumreihensets von Spektren zu korrelieren, die als ein oder mehrere jeweilige qualitative und quantitative konstituierende Komponenten repräsentiert werden, wobei das Ergebnis ein iterativ bestimmtes, am besten übereinstimmendes Zeit- und/oder Raumreihenset von einem oder mehreren Kandidatenspektren ist.
Verfahren nach Anspruch 1, ferner umfassend: Präsentieren des iterativ bestimmten, am besten übereinstimmenden Zeit- und/oder Raumreihensets von einem oder mehreren Kandidatenspektren nach Rangfolge geordnet und/oder als zeitliche und/oder räumliche Entwicklungsprofile der einen oder mehreren qualitativen und quantitativen konstituierenden Komponenten.
Verfahren nach Anspruch 1, wobei das Regressionsverfahren innerhalb des Schätzungsschritts einen Multikomponentenregressions-(MCR)-Algorithmus umfasst.
Verfahren nach Anspruch 3, wobei der Multikomponentenregressions-(MCR)-Algorithmus eine Unimodalitätsrandbedingung des erhaltenen Zeitreihensets von Spektren umfasst.
Verfahren nach Anspruch 3, wobei der Multikomponentenregressions-(MCR)-Algorithmus eine Nicht-Negativitäts-Randbedingung des erhaltenen Zeit- und/oder Raumreihensets von Spektren umfasst.
Verfahren nach Anspruch 5, wobei der Multikomponentenregressions-(MCR)-Algorithmus eine iterative Prozedur mit nicht-negativen kleinsten Quadraten (NNLS) umfasst, um die eine oder mehreren qualitativen und quantitativen konstituierenden Komponenten aus jedem des Zeit- und/oder Raumreihensets von Spektren bereitzustellen.
Verfahren nach Anspruch 1, wobei eine oder mehrere Transformationen mit mindestens einer der geschätzten einen oder mehreren qualitativen und quantitativen konstituierenden Komponenten aus jedem der Zeit- und/oder Raumreihensets von Spektren und dem einen oder den mehreren Vergleichsspektren durchgeführt werden.
Verfahren nach Anspruch 1, wobei der MCS-Suchalgorithmus, der iterativ ein oder mehrere Kandidatenspektren korreliert, des Weiteren konfiguriert ist zum: Generieren von einem oder mehreren neuen Vergleichsspektren, wobei jedes der neuen Vergleichsspektren eine Kombination aus einem von einem zuvor identifizierten Kandidatenspektrum und einem von einem Vergleichsspektrum aus einer Spektralbibliotheksquelle ist, und Vergleichen der geschätzten einen oder mehreren qualitativen und quantitativen konstituierenden Komponenten aus jedem der Zeit- und/oder Raumreihensets von Spektren mit dem ausgewählten neuen Vergleichsspektrum, um einen Entsprechungsgrad zu bestimmen; und Wiederholen der obigen Generierungs- und Vergleichsschritte, bis eine gewünschte Anzahl der Sets von einem oder mehreren Kandidatenspektren identifiziert ist, oder wenn das Set von einem oder mehreren Kandidatenspektren identifiziert ist, welches mit den geschätzten einen oder mehreren qualitativen und quantitativen konstituierenden Komponenten aus jedem des Zeit- und/oder Raumreihensets von Spektren nach mindestens irgendeinem qualifizierenden Entsprechungswert übereinstimmt, oder nachdem eine maximale Zahl von konstituierenden Komponenten in dem ausgewählten Zeit- und/oder Raumreihenset von einem oder mehreren Kandidatenspektren erreicht ist.
Verfahren nach Anspruch 8, ferner umfassend das Überspringen oder Verwerfen des Vergleichsschritts, wenn die zuvor identifizierten Kandidatenspektren bereits eines von einem Vergleichsspektrum aus einer Spektralbibliotheksquelle enthalten.
System zum Analysieren von Spektren aus einer sich entwickelnden oder verändernden Probe, umfassend: ein Spektrometer, das konfiguriert ist, ein Zeit- und/oder Raumreihenset von Spektren zu generieren; und einen Computer, der konfiguriert ist, eine oder mehrere qualitative und quantitative konstituierende Komponenten von jedem des Zeit- und/oder Raumreihensets von Spektren mithilfe eines Regressionsverfahrens zu schätzen; wobei der Computer die geschätzte(n) eine oder mehreren qualitativen und quantitativen konstituierenden Komponenten aus jedem des Zeit- und/oder Raumreihensets von Spektren an einen Multikomponentensuch-(MCS)-Algorithmus übergibt, der konfiguriert ist, iterativ ein oder mehrere Vergleichsspektren, die in einer oder mehreren Spektralbibliotheken abgelegt sind, mit jedem der geschätzten Zeit- und/oder Raumreihensets von Spektren zu korrelieren, die als eine oder mehrere jeweilige qualitative und quantitative konstituierende Komponenten repräsentiert werden, wobei das Ergebnis ein iterativ bestimmtes, am besten übereinstimmendes Zeitreihenset von einem oder mehreren Kandidatenspektren ist.
System nach Anspruch 10, wobei der Computer ferner konfiguriert ist, das iterativ bestimmte, am besten übereinstimmende Zeit- und/oder Raumreihenset von einem oder mehreren Kandidatenspektren nach Rangfolge geordnet und/oder nach zeitlichen und/oder räumlichen Entwicklungsprofilen der einen oder mehreren qualitativen und quantitativen konstituierenden Komponenten zu präsentieren.
System nach Anspruch 10, wobei der Computer des Weiteren konfiguriert ist zum: a. Generieren von einem oder mehreren neuen Vergleichsspektren, wobei jedes der neuen Vergleichsspektren eine Kombination aus einem zuvor identifizierten Kandidatenspektrum und einem der Vergleichsspektren aus einer Spektralbibliotheksquelle ist, b. Vergleichen der geschätzten einen oder mehreren qualitativen und quantitativen konstituierenden Komponenten aus jedem der Zeit- und/oder Raumreihensets von Spektren mit dem ausgewählten neuen Vergleichsspektrum, um einen Entsprechungsgrad zu bestimmen; und c. Wiederholen der obigen Generierungs- und Vergleichsschritte, bis eine gewünschte Anzahl der Sets von einem oder mehreren Kandidatenspektren identifiziert ist, oder wenn das Set von einem oder mehreren Kandidatenspektren identifiziert ist, welches mit den geschätzten einen oder mehreren qualitativen und quantitativen konstituierenden Komponenten aus jedem des Zeit- und/oder Raumreihensets von Spektren nach mindestens irgendeinem qualifizierenden Entsprechungswert übereinstimmt, oder nachdem eine maximale Zahl von konstituierenden Komponenten in dem ausgewählten Zeit- und/oder Raumreihenset von einem oder mehreren Kandidatenspektren erreicht ist.
System nach Anspruch 10, wobei der Computer das Vergleichen überspringt, wenn das zuvor identifizierte Kandidatenspektrum bereits eines von einem Vergleichsspektrum aus einer Spektralbibliotheksquelle enthält.