JP2005121663A - 混合物の成分濃度推定方法及び装置 - Google Patents
混合物の成分濃度推定方法及び装置 Download PDFInfo
- Publication number
- JP2005121663A JP2005121663A JP2004303570A JP2004303570A JP2005121663A JP 2005121663 A JP2005121663 A JP 2005121663A JP 2004303570 A JP2004303570 A JP 2004303570A JP 2004303570 A JP2004303570 A JP 2004303570A JP 2005121663 A JP2005121663 A JP 2005121663A
- Authority
- JP
- Japan
- Prior art keywords
- concentration
- correction model
- small group
- data set
- dependent variable
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
- G01N21/274—Calibration, base line adjustment, drift correction
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0223—Operational features of calibration, e.g. protocols for calibrating sensors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue
- A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Engineering & Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Investigating Or Analysing Materials By The Use Of Chemical Reactions (AREA)
- Investigating Or Analyzing Non-Biological Materials By The Use Of Chemical Means (AREA)
Abstract
【課題】 混合物の成分濃度推定方法及び装置を提供する。
【解決手段】 濃度を推定しようとする所定の特定成分を含む複数の独立変数により決定される前記濃度値を従属変数とする補正データセットに対して全域補正モデルを構成する段階と、前記補正データセットを前記従属変数値によって少なくとも２つ以上の小グループに分離し、前記分離された各小グループに属する補正データセットを用いて各小グループ別のローカル補正モデルを構成する段階と、与えられた混合物スペクトルが属する小グループを決定し、決定された小グループのローカル補正モデルを用いて前記特定成分の濃度を推定する段階とよりなる混合物の成分濃度推定方法。
【選択図】図３
【解決手段】 濃度を推定しようとする所定の特定成分を含む複数の独立変数により決定される前記濃度値を従属変数とする補正データセットに対して全域補正モデルを構成する段階と、前記補正データセットを前記従属変数値によって少なくとも２つ以上の小グループに分離し、前記分離された各小グループに属する補正データセットを用いて各小グループ別のローカル補正モデルを構成する段階と、与えられた混合物スペクトルが属する小グループを決定し、決定された小グループのローカル補正モデルを用いて前記特定成分の濃度を推定する段階とよりなる混合物の成分濃度推定方法。
【選択図】図３
Description
本発明は、混合物の成分濃度推定に係り、特に複数のローカル補正モデルを用いて混合物スペクトルに含まれた特定成分の濃度を推定する方法及び装置に関する。
混合物のスペクトルから特定成分の濃度を推定するために一般的に使われる方法、例えばＰＣＲ(Ｐｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｔ Ｒｅｇｒｅｓｓｉｏｎ)のような多変量分析法では補正データセットから回帰モデルである全域補正モデルを構成し、全域補正モデルを用いて与えられたスペクトルから特定成分の濃度を予測する。ところが、全域補正モデルを構成するための補正データセットを得る過程では必然的にノイズが発生する。一般的に、ノイズの大きさや特徴は補正データセット全体にわたって同一でないために、ノイズの大きさや特徴によって補正データセットを概念的に多数の小グループに分離する。この場合、補正データセットから全域補正モデルを構成するようになれば、何れか一つの小グループのノイズ特性が他の小グループに伝播される可能性がある。例えば、補正データセットの何れか一つの小グループにはノイズが全くないとしても、全域補正モデルを構成する場合には他の小グループのノイズが伝播されて予測誤差を誘発させる恐れがある。すなわち、図１Ａ及び図１Ｂに示されたように一つの全域補正モデルを適用する場合、独立変数ｘ値を基準として任意の小グループには適切に適用できるが、他のグループには正確に適用され難い問題点がある。
本発明がな解決しようとする技術的課題は、多変量分析法を利用した特定成分の濃度予測時に発生可能なノイズの伝播問題を解決するために、所定の補正データセットを複数の小グループに分離し、各小グループ別にローカル補正モデルを構成するための方法を提供することである。
本発明が解決しようとする他の技術的課題は、多変量分析法を利用した特定成分の濃度予測時に発生できるノイズの伝播問題を解決するために、複数のローカル補正モデルを用いて混合物の成分濃度を予測するための方法及び装置を提供することである。
前記技術的課題を達成するために、本発明に係るローカル補正モデル生成方法は、（ａ）濃度を推定しようとする所定の特定成分を含む複数の独立変数により決定される前記濃度値を従属変数とする補正データセットを前記従属変数値によって少なくとも２つ以上の小グループに分離する段階と、（ｂ）前記分離された各小グループに属する補正データセットを用いて各小グループ別のローカル補正モデルを構成する段階と、を含むことが望ましい。
前記他の技術的課題を達成するために、本発明に係る混合物の成分濃度推定方法は、（ａ）濃度を推定しようとする所定の特定成分を含む複数の独立変数により決定される前記濃度値を従属変数とする補正データセットに対して全域補正モデルを構成する段階と、（ｂ）前記補正データセットを前記従属変数値によって少なくとも２つ以上の小グループに分離し、前記分離された各小グループに属する補正データセットを用いて各小グループ別のローカル補正モデルを構成する段階と、（ｃ）与えられた混合物スペクトルが属する小グループを決定し、決定された小グループのローカル補正モデルを用いて前記特定成分の濃度を推定する段階と、を含むことが望ましい。
前記他の技術的課題を達成するために、本発明に係る混合物の成分濃度推定装置は、濃度を推定しようとする所定の特定成分を含む複数の独立変数により決定される前記濃度値を従属変数とする補正データセットに対して全域補正モデルを構成し、前記全域補正モデルを保存する第１補正モデル形成手段と、前記補正データセットを前記従属変数値によって少なくとも２つ以上の小グループに分離し、前記分離された各小グループに属する補正データセットを用いて各小グループ別のローカル補正モデルを構成し、小グループ別のローカル補正モデルを保存する第２補正モデル形成手段と、与えられた混合物スペクトルが属する小グループを決定する小グループ決定部と、前記決定された小グループのローカル補正モデルを用いて前記与えられた混合物スペクトルに含まれた前記特定成分の濃度を推定する濃度推定部と、を含むことが望ましい。
前記方法は、望ましくはコンピュータで実行させるためのプログラムを記録したコンピュータ可読記録媒体に具現できる。
本発明によれば、補正データセットに存在するノイズの大きさや特徴が独立変数値の全区間にわたって同一でない場合、補正データセットを少なくとも２つ以上の小グループに分離して各小グループ別にローカル補正モデルを構成し、与えられた混合物スペクトルが属する小グループのローカル補正モデルを適用して特定成分の濃度を推定することによって、何れか一つの小グループによる予測誤差が他の小グループには影響を及ぼさなく全体的に予測誤差を減少させうる。
以下、添付した図面に基づき、本発明の望ましい実施例について詳細に説明する。
一般的に補正モデル、すなわち、回帰モデルの構成にあたって、変数ｘとｙは次の数式１のような直線回帰模型で表現できると仮定する。
一般的に補正モデル、すなわち、回帰モデルの構成にあたって、変数ｘとｙは次の数式１のような直線回帰模型で表現できると仮定する。
ここで、εは誤差項であって、次の数式２のような統計的な特性を有すると仮定する。
すなわち、あらゆるｘに対して誤差項εは等分散性を有すると仮定する。しかし、実際においては誤差項の非同質性によってあらゆるｘに対して等分散性の条件を充足させない場合が多い。特に、ｘ値が大きくなるほど誤差項の分散が大きくなる場合には大きい値を有するｘにおける誤差が小さな値を有するｘに伝播されてくるために、小さな値を有するｘでの予測力に悪影響をおよぼす。レベレッジ(ｌｅｖｅｒａｇｅ)が大きい値を有するｘでの誤差が小さな値を有するｘに伝播されてくる理由は、通常の場合、レベレッジが大きい値を有するｘが回帰モデルの構成時に小さな値を有するｘより大きい影響をおよぼすためである。したがって、この場合には与えられた補正データセットを多数の小グループに分離し、各小グループごとにローカル補正モデルを構成すれば、誤差の伝播による予測力の損傷を減少させることができる。以下、補正データセットを多数の小グループに分離する方法について説明する。
まず、回帰線ｙ＾が次の数式３のような形式を有すると推定する。
ここで、ｂ０、ｂ１、ｙ＾はそれぞれβ０、β１、ｙの推定値を表す。
ここで、ｂ０、ｂ１、ｙ＾はそれぞれβ０、β１、ｙの推定値を表す。
ｂ０及びｂ１は、最小ニ乗法を用いて次の数式４及び数式５のように求められる。
前記数式４及び数式５において、ｘ−及びｙ−はそれぞれｘの平均とｙの平均を表す。
前記数式４及び数式５において、ｘ−及びｙ−はそれぞれｘの平均とｙの平均を表す。
一方、前記数式３は次の数式６ないし８のように再配列する。
ここで、Ｓ(ｘｙ)及びＳ(ｘｘ)は、次の数式９のように表される。
ｙの推定値ｙ＾に対する期待値E（ｙ＾）は次の数式１０のように表される。
次に、ｙの推定値ｙ＾に対する分散Var(ｙ＾)は次の数式１１のように表される。
すなわち、ｙの推定値ｙ＾に対する分散Var（ｙ＾）は次の数式１２のように表される。
一方、一つのｙ値の信頼区間Var(ｙｓ＾)は、次の数式１３のように求められる。
前記数式１３において、ｙ値の信頼区間Var(ｙｓ＾)は２次グラフに近似化させることができ、図４において回帰線の上部に位置するグラフに該当する。回帰線の下部に位置するグラフは、上部に位置するグラフを回帰線に対して対称させたものである。任意のｘに対して２つの２次グラフでｙ値の差をｙ値の信頼区間Var(ｙｓ＾)と決定する。
前記数式１３からｙ値の信頼区間Var(ｙｓ＾)はｘの関数であって、ｘがｘの平均と同じである時、すなわち、ｘ＝ｘ− である場合に最小値となり、この最小値から対称にｘ値がｘの平均から遠いほど大きくなる。したがって、補正データセットを多数の小グループに分離する方法は、補正データセットをｘの平均を基準とした濃度によって分離することが望ましい。その理由は、複数のローカル補正モデルを利用する場合、与えられたスペクトルからどの小グループに属しているかを決定しなければならないが、２つの小グループに分離する場合にはｘの平均を基準として補正データセットを分離する場合にエラー率が最小になれる。
前記数式１３において、ｙ値の信頼区間Var(ｙｓ＾)は２次グラフに近似化させることができ、図４において回帰線の上部に位置するグラフに該当する。回帰線の下部に位置するグラフは、上部に位置するグラフを回帰線に対して対称させたものである。任意のｘに対して２つの２次グラフでｙ値の差をｙ値の信頼区間Var(ｙｓ＾)と決定する。
前記数式１３からｙ値の信頼区間Var(ｙｓ＾)はｘの関数であって、ｘがｘの平均と同じである時、すなわち、ｘ＝ｘ− である場合に最小値となり、この最小値から対称にｘ値がｘの平均から遠いほど大きくなる。したがって、補正データセットを多数の小グループに分離する方法は、補正データセットをｘの平均を基準とした濃度によって分離することが望ましい。その理由は、複数のローカル補正モデルを利用する場合、与えられたスペクトルからどの小グループに属しているかを決定しなければならないが、２つの小グループに分離する場合にはｘの平均を基準として補正データセットを分離する場合にエラー率が最小になれる。
図２は、本発明に係る混合物の成分濃度推定装置の一実施例の構成を示したブロック図であって、全域補正モデル生成部２１１、第１貯蔵部２１２、ローカル補正モデル生成部２１３、第２貯蔵部２１４、小グループ決定部２１５、及び濃度推定部２１６からなる。
図２を参照すれば、全域補正モデル生成部２１１では濃度を推定しようとする所定の特定成分を含む複数の独立変数により決定される濃度値を従属変数とする補正データセットに対して全域補正モデルを構成し、全域補正モデルを第１貯蔵部２１２に保存する。
ローカル補正モデル生成部２１３では補正データセットを前記従属変数値によって少なくとも２つ以上の小グループに分離し、前記分離された各小グループに属する補正データセットを用いて各小グループ別のローカル補正モデルを構成し、小グループ別のローカル補正モデルを第２貯蔵部２１４に保存する。分離しようとする小グループが２つである場合、独立変数の平均に該当する従属変数値を基準として分離することが望ましい。分離しようとする小グループが２つ以上である場合、従属変数値の平均を基準として分離することが望ましい。他の成分としては、濃度を推定しようとする特定成分、例えばグルコースの妨害成分、すなわちヘモグロビンを用いて補正データセットを分離できる。
小グループ決定部２１５では全域補正モデル生成部２１１から生成された全域補正モデルおよびローカル補正モデル生成部２１３から分離された小グループ別補正データセットを参照して、与えられた混合物スペクトルが属する小グループを決定する。この時、与えられた混合物スペクトルに対して全域補正モデルを適用して得られる特定成分の濃度値を用いて混合物スペクトルが属する小グループを決定する。
濃度推定部２１６では小グループ決定部２１５から決定された小グループのローカル補正モデルを用いて与えられた混合物スペクトルに含まれた特定成分の濃度を推定する。この時、推定された濃度値が推定時に適用されるローカル補正モデルによる濃度範囲に属しない場合、与えられた混合物スペクトルに全域補正モデルを適用して特定成分の濃度値を推定する。
図３は、本発明に係る混合物の成分濃度推定方法の一実施例の動作を説明したフローチャートである。
図３を参照すれば、３１１段階においては、一般的な多変量分析法を適用して補正データセット全体に対する全域回帰モデルを構成する。
図３を参照すれば、３１１段階においては、一般的な多変量分析法を適用して補正データセット全体に対する全域回帰モデルを構成する。
３１２段階においては、補正データセットをn個(ここでｎは２以上の整数）の小グループに分離する。この時、ｎが２である場合、独立変数の平均に該当する従属変数値を基準とし、ｎが２以上である場合、従属変数値の平均を基準として分離する。一方、濃度を推定しようとする特定成分の妨害成分を用いて補正データセットを分離できる。例えば、特定成分がグルコースである場合ヘモグロビンが妨害成分に該当する。
３１３段階においては、全域補正モデルの構成に使われた多変量分析法を用いて各小グループに対するローカル補正モデルを構成する。
３１４段階においては、与えられた混合物スペクトルが属する小グループを決定する。このために、与えられた混合物スペクトルに全域補正モデルを適用して予備濃度値を算出し、与えられた混合物スペクトルの小グループを予備濃度値が属する小グループに決定する。
３１５段階においては、与えられた混合物スペクトルが属する小グループのローカル補正モデルを適用して特定成分の濃度を予測する。
３１６段階においては、３１５段階で予測された濃度が該当小グループに設定されている濃度範囲内に存在しているかを判断する。
３１７段階においては、３１６段階での判断結果、予測された濃度が該当小グループに設定されている濃度範囲内に存在していない場合には、３１１段階で生成された全域補正モデルを与えた混合物スペクトルに適用して特定成分の濃度を予測する。
３１８段階においては、３１５段階または３１７段階で予測された濃度を特定成分に対する推定濃度として決定する。
本発明は、またコンピュータ可読記録媒体にコンピュータ可読コードとして具現することができる。コンピュータ可読記録媒体は、コンピュータシステムによって読取り可能なデータが保存されるあらゆる種類の記録装置を含む。コンピュータ可読記録媒体の例としては、ＲＯＭ、ＲＡＭ、ＣＤ−ＲＯＭ、磁気テープ、フロッピー（登録商標）ディスク、光データ貯蔵装置などがあり、また、キャリアウェーブ(例えばインターネットを通じた伝送）の形態に具現されるものも含む。また、コンピュータ可読記録媒体は、ネットワークにより連結されたコンピュータシステムに分散され、分散方式によってコンピュータが読取り可能なコードが保存されて実行できる。そして、本発明を具現するための機能的なプログラム、コード及びコードセグメントは本発明が属する技術分野のプログラマーにより容易に推論できる。
一方、本発明による混合物の成分濃度推定方法の性能を評価するために１００個のインビトロ(ｉｎ−ｖｉｔｒｏ)補正データセットに対して複数のローカル補正モデルを適用した。この時、補正データセットのサンプル数は１００個であり、濃度の最小値は３１ｍｇ／ｄｌ、最大値は４８５ｍｇ／ｄｌ、平均は２２１ｍｇ／ｄｌであった。このような補正データセットに対して従来のように全域補正モデルを使用する場合、図５Ａに示されたように、予測誤差は１７.０１％であり、濃度を３区間に分離して予測誤差を分析する場合、図５Ｂに示されたように濃度が小さな区間であるほど相対誤差が大きくなることがわかる。特に、濃度が３１〜１４５ｍｇ／ｄｌ区間では相対誤差が３１％に至った。
一方、本発明に係る複数のローカル補正モデルを使用する場合、図６Ａに示すように補正データセットを２つの小グループ６１０、６２０に分離し、各小グループに対してローカル補正モデルを構成し、予測誤差を分析した結果は、図６Ｂに示すように全域補正モデルを使用する場合に比べて特に低濃度での相対誤差が２５.７１％に減少した。また、複数のローカル補正モデルを使用する場合、予測誤差は１５.２９％に全域補正モデルに比べて１.７１％減少した。
以上、図面と明細書において最適の実施例が開示された。ここで特定の用語が使われたが、これは単に本発明を説明するために使われたものであって、意味限定や特許請求の範囲上に記載された本発明の範囲を制限するために使われたものではない。したがって、当業者であれば、これより多様な変形及び均等な他の実施例が可能である。したがって、本発明の真の技術的な保護範囲は特許請求の範囲上の技術的な思想によって決まるべきである。
本発明は、混合物で特定成分の濃度予測のために使われる多変量分析法に適用されて、補正データセットを複数の小グループに分離して各小グループ別にローカル補正モデルを構成し、与えられた混合物スペクトルが属する小グループのローカル補正モデルを適用して特定成分の濃度を推定することによって、特定成分の濃度予測時に発生可能なノイズの伝播問題を解決する。
２１１・・・全域補正モデル生成部
２１２・・・第１貯蔵部
２１３・・・ローカル補正モデル生成部
２１４・・・第２貯蔵部
２１５・・・小グループ決定部
２１６・・・濃度推定部
２１２・・・第１貯蔵部
２１３・・・ローカル補正モデル生成部
２１４・・・第２貯蔵部
２１５・・・小グループ決定部
２１６・・・濃度推定部
Claims (16)
- （ａ）濃度を推定しようとする所定の特定成分を含む複数の独立変数により決定される前記濃度値を従属変数とする補正データセットを前記従属変数値によって少なくとも２つ以上の小グループに分離する段階と、
（ｂ）前記分離された各小グループに属する補正データセットを用いて各小グループ別のローカル補正モデルを構成する段階と、を含むことを特徴とするローカル補正モデル生成方法。 - 前記（ａ）段階において、前記小グループが２つである場合、前記独立変数の平均に該当する従属変数値を基準として分離することを特徴とする請求項１に記載のローカル補正モデル生成方法。
- 前記（ａ）段階において、前記小グループが２つ以上である場合、前記従属変数値の平均を基準として分離することを特徴とする請求項１に記載のローカル補正モデル生成方法。
- 前記（ａ）段階において、濃度を推定しようとする特定成分の妨害成分を用いて前記補正データセットを分離することを特徴とする請求項１に記載のローカル補正モデル生成方法。
- （ａ）濃度を推定しようとする所定の特定成分を含む複数の独立変数により決定される前記濃度値を従属変数とする補正データセットに対して全域補正モデルを構成する段階と、
（ｂ）前記補正データセットを前記従属変数値によって少なくとも２つ以上の小グループに分離し、前記分離された各小グループに属する補正データセットを用いて各小グループ別のローカル補正モデルを構成する段階と、
（ｃ）与えられた混合物スペクトルが属する小グループを決定し、決定された小グループのローカル補正モデルを用いて前記特定成分の濃度を推定する段階と、を含むことを特徴とする混合物の成分濃度推定方法。 - 前記（ｂ）段階において、前記小グループが２つである場合、前記独立変数の平均に該当する従属変数値を基準として分離することを特徴とする請求項５に記載の混合物の成分濃度推定方法。
- 前記（ｂ）段階において、前記小グループが２つ以上である場合、前記従属変数値の平均を基準として分離することを特徴とする請求項５に記載の混合物の成分濃度推定方法。
- 前記（ｂ）段階において、濃度を推定しようとする特定成分の妨害成分を用いて前記補正データセットを分離することを特徴とする請求項５に記載の混合物の成分濃度推定方法。
- 前記（ｃ）段階において、前記与えられた混合物スペクトルに対して前記全域補正モデルを適用して得られる前記特定成分の濃度値を用いて前記混合物スペクトルが属する小グループを決定することを特徴とする請求項５に記載の混合物の成分濃度推定方法。
- 前記方法は、
（ｄ）前記（ｃ）段階で推定された濃度値が推定時に適用されるローカル補正モデルによる濃度範囲に属しない場合、前記全域補正モデルを適用して前記特定成分の濃度値を推定する段階をさらに含むことを特徴とする請求項５に記載の混合物の成分濃度推定方法。 - （ａ）濃度を推定しようとする所定の特定成分を含む複数の独立変数により決定される前記濃度値を従属変数とする補正データセットを前記従属変数値によって少なくとも２つ以上の小グループに分離する段階と、
（ｂ）前記分離された各小グループに属する補正データセットを用いて各小グループ別のローカル補正モデルを構成する段階と、を含むローカル補正モデル生成方法を実行できるプログラムを記録したコンピュータ可読記録媒体。 - （ａ）濃度を推定しようとする所定の特定成分を含む複数の独立変数により決定される前記濃度値を従属変数とする補正データセットに対して全域補正モデルを構成する段階と、
（ｂ）前記補正データセットを前記従属変数値によって少なくとも２つ以上の小グループに分離し、前記分離された各小グループに属する補正データセットを用いて各小グループ別のローカル補正モデルを構成する段階と、
（ｃ）与えられた混合物スペクトルが属する小グループを決定し、決定された小グループのローカル補正モデルを用いて前記特定成分の濃度を推定する段階と、を含む混合物の成分濃度推定方法を実行できるプログラムを記録したコンピュータ可読記録媒体。 - 濃度を推定しようとする所定の特定成分を含む複数の独立変数により決定される前記濃度値を従属変数とする補正データセットに対して全域補正モデルを構成し、前記全域補正モデルを保存する第１補正モデル形成手段と、
前記補正データセットを前記従属変数値によって少なくとも２つ以上の小グループに分離し、前記分離された各小グループに属する補正データセットを用いて各小グループ別のローカル補正モデルを構成し、小グループ別のローカル補正モデルを保存する第２補正モデル形成手段と、
与えられた混合物スペクトルが属する小グループを決定する小グループ決定部と、
前記決定された小グループのローカル補正モデルを用いて前記与えられた混合物スペクトルに含まれた前記特定成分の濃度を推定する濃度推定部と、を含むことを特徴とする混合物の成分濃度推定装置。 - 前記第２補正モデル形成手段は、前記小グループが２つである場合に前記独立変数の平均に該当する従属変数値を基準とし、前記小グループが２つ以上である場合に前記従属変数値の平均を基準として分離することを特徴とする請求項１３に記載の混合物の成分濃度推定装置。
- 前記小グループ決定部は、前記与えられた混合物スペクトルに対して前記全域補正モデルを適用して得られる前記特定成分の濃度値を用いて前記混合物スペクトルが属する小グループを決定することを特徴とする請求項１３に記載の混合物の成分濃度推定装置。
- 前記濃度推定部は、前記決定された小グループのローカル補正モデルを用いて推定された前記特定成分の濃度値が推定時に適用されるローカル補正モデルによる濃度範囲に属しない場合、前記全域補正モデルを適用して前記特定成分の濃度値を推定することを特徴とする請求項１３に記載の混合物の成分濃度推定装置。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020030072135A KR100580625B1 (ko) | 2003-10-16 | 2003-10-16 | 혼합물의 성분농도 추정방법 및 장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2005121663A true JP2005121663A (ja) | 2005-05-12 |
| JP4261456B2 JP4261456B2 (ja) | 2009-04-30 |
Family
ID=34510891
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2004303570A Expired - Fee Related JP4261456B2 (ja) | 2003-10-16 | 2004-10-18 | 混合物の成分濃度推定方法及び装置 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US7289912B2 (ja) |
| JP (1) | JP4261456B2 (ja) |
| KR (1) | KR100580625B1 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015174073A1 (ja) * | 2014-05-13 | 2015-11-19 | パナソニックＩｐマネジメント株式会社 | 食品分析装置 |
| JP2023115777A (ja) * | 2022-02-08 | 2023-08-21 | 旭化成メディカル株式会社 | 濃度算出装置及び血液処理システム並びに濃度算出方法 |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8392343B2 (en) * | 2010-07-21 | 2013-03-05 | Yahoo! Inc. | Estimating probabilities of events in sponsored search using adaptive models |
| KR102593306B1 (ko) | 2023-03-21 | 2023-10-25 | 부경대학교 산학협력단 | 저투수성 매체 내 형광 추적자 농도분포 추정 장치 및 방법 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7451065B2 (en) * | 2002-03-11 | 2008-11-11 | International Business Machines Corporation | Method for constructing segmentation-based predictive models |
-
2003
- 2003-10-16 KR KR1020030072135A patent/KR100580625B1/ko not_active Expired - Fee Related
-
2004
- 2004-10-15 US US10/964,717 patent/US7289912B2/en not_active Expired - Lifetime
- 2004-10-18 JP JP2004303570A patent/JP4261456B2/ja not_active Expired - Fee Related
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015174073A1 (ja) * | 2014-05-13 | 2015-11-19 | パナソニックＩｐマネジメント株式会社 | 食品分析装置 |
| JP2015215273A (ja) * | 2014-05-13 | 2015-12-03 | パナソニックＩｐマネジメント株式会社 | 食品分析装置 |
| JP2023115777A (ja) * | 2022-02-08 | 2023-08-21 | 旭化成メディカル株式会社 | 濃度算出装置及び血液処理システム並びに濃度算出方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP4261456B2 (ja) | 2009-04-30 |
| KR20050036447A (ko) | 2005-04-20 |
| US20050086018A1 (en) | 2005-04-21 |
| KR100580625B1 (ko) | 2006-05-16 |
| US7289912B2 (en) | 2007-10-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR100998798B1 (ko) | 통계적 타이밍 분석에서의 임계 예상 시스템 및 방법 | |
| US20190095423A1 (en) | Text recognition method and apparatus, and storage medium | |
| US20200050971A1 (en) | Minibatch Parallel Machine Learning System Design | |
| KR102038703B1 (ko) | 동적 전이 앙상블 모형을 통한 실시간 다변량 시계열 예측방법 및 그 시스템 | |
| CN116097285A (zh) | 评价方法、评价装置、以及评价程序 | |
| EP3920072A1 (en) | System for providing a simulation model, system for illustrating estimated fluid movements around a structure, methods therefore and a computer program product | |
| JP2007279444A (ja) | 特徴量補正装置、特徴量補正方法および特徴量補正プログラム | |
| US9009015B2 (en) | Free energy difference estimation method and simulation apparatus | |
| JPWO2019111435A1 (ja) | 異常判定装置、異常判定方法、及びプログラム | |
| JP4261456B2 (ja) | 混合物の成分濃度推定方法及び装置 | |
| US20170132045A1 (en) | Load estimation system, information processing device, load estimation method, and storage medium for storing program | |
| CN116542013A (zh) | 一种电力边缘计算芯片可靠性评估方法、系统及存储介质 | |
| JP7173234B2 (ja) | 情報処理に用いられる方法、装置、デバイス及び記憶媒体 | |
| WO2012093469A1 (ja) | 性能評価装置及び性能評価方法 | |
| JP5135803B2 (ja) | 最適パラメータ探索プログラム、最適パラメータ探索装置および最適パラメータ探索方法 | |
| JP2005063208A (ja) | ソフトウェア信頼度成長モデル選択方法、ソフトウェア信頼度成長モデル選択装置、ソフトウェア信頼度成長モデル選択プログラム、およびプログラム記録媒体 | |
| JP6203313B2 (ja) | 特徴選択装置、特徴選択方法およびプログラム | |
| US20120046923A1 (en) | Circuit performance estimation device and circuit performance estimation method | |
| KR20170061911A (ko) | 통합 회귀 분석 네트워크 구축 방법 및 이에 의한 통합 분석 시스템 | |
| JP7769275B2 (ja) | 特徴量選択装置、特徴量選択方法、及びプログラム | |
| KR20210067278A (ko) | 원본 그래프의 속성을 갖는 샘플 그래프를 추출하는 그래프 샘플링 장치 및 방법 | |
| JP5411823B2 (ja) | 推定値高精度化システム、推定値高精度化方法および推定値高精度化プログラム | |
| CN109584959B (zh) | 测序深度的矫正方法及装置 | |
| CN109767813B (zh) | 测序深度的矫正方法及装置 | |
| JPH07175789A (ja) | 半導体装置における電気的特性の数値解析方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20071030 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080129 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080408 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20080708 |
|
| A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20080711 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080808 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20090106 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20090205 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120220 Year of fee payment: 3 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 4261456 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120220 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130220 Year of fee payment: 4 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140220 Year of fee payment: 5 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |