JP2010518362A - 質量スペクトルからノイズを低減するシステムおよび方法 - Google Patents

Abstract

質量スペクトルにおける背景ノイズを低減するシステムおよび方法。方法は、以下のステップを含む。すなわち、（ａ）原質量スペクトルを得るステップと、（ｂ）原質量スペクトルにおける背景ノイズに対応するノイズ質量スペクトルを決定するステップと、（ｃ）原質量スペクトルからノイズ質量スペクトルを減じることによって、補正された質量スペクトルを決定するステップとである。該方法のステップ（ｂ）は、Ａ）原質量スペクトルを周波数領域に変換し、原周波数スペクトルを得るステップと、Ｂ）原周波数スペクトルにおいて少なくとも１つの卓越周波数を同定するステップと、Ｃ）卓越周波数に対して選択的にフィルタリングすることによってノイズ周波数スペクトルを生成するステップと、Ｄ）ノイズ質量スペクトルを質量領域に変換することによって、ノイズ質量スペクトルを決定するステップとを含み得る。

Description

（発明の分野）
本発明は、概して質量分析法の分野に関する。

（発明の背景）
質量分析計は、試料の質量スペクトルを生成し、試料の組成を見つけるために用いられる。これは通常、試料をイオン化し、異なる質量のイオンを分離し、イオン束の強度を測定することによるイオンの相対存在度を記録することによって達成される。

典型的には、質量スペクトルは、実信号を不明瞭にする背景ノイズを受けやすい。

従って利用者は、質量スペクトルからノイズを低減するかまたは除去する新しいシステムおよび方法に対する必要性を認識している。

（発明の概要）
一局面において、本発明は、質量スペクトルにおける背景ノイズを低減する方法に関する。本方法は、以下のステップを含む。すなわち、
（ａ）原質量スペクトルを得るステップと、
（ｂ）原質量スペクトルにおける背景ノイズに対応するノイズ質量スペクトルを決定するステップと、
（ｃ）原質量スペクトルからノイズ質量スペクトルを減じることによって、補正された質量スペクトルを決定するステップとである。

該方法のステップ（ｂ）は、
Ａ）原質量スペクトルを周波数領域に変換し、原周波数スペクトルを得るステップと、
Ｂ）原周波数スペクトルにおいて少なくとも１つの卓越周波数を同定するステップと、
Ｃ）該少なくとも１つの卓越周波数に対して選択的にフィルタリングすることによってノイズ周波数スペクトルを生成するステップと、
Ｄ）前記ノイズ質量スペクトルを質量領域に変換することによって、ノイズ質量スペクトルを決定するステップとを含み得る。

請求されるような方法によって、原質量スペクトルは複数の原強度データポイントを備え、ノイズ質量スペクトルは、各ノイズ強度データポイントが原強度データポイントと関連するように複数のノイズ強度データポイントもまた備え得る。該方法は以下のステップをさらに備え得る。すなわち、
（Ｅ）原強度データポイントとノイズ強度データポイントとの各関連する対に関して、
（ｉ）最小値を決定することと、
（ｉｉ）ノイズ強度データポイントを最小値に等しくすることによって、ノイズ質量スペクトルを修正することとである。

本発明はここで、以下の図面を参照して例としてのみ説明され、図面において同様の参照番号は同様の部品を表す。

図１は、本発明に従って作成されたノイズ低減システムの概略図である。 図２は、図１のシステムに入力され、該システムによって処理され得るような原質量スペクトルを示すグラフである。 図３Ａは、図２の原質量スペクトルを周波数領域に変換することによって決定される原周波数スペクトルを示すグラフである。 図３Ｂは、図３Ａのグラフの拡大されたセグメントである。 図３Ｃは、図３Ａの原周波数スペクトルをフィルタリングする、本発明に従って作成されそして用いられるフィルタのセグメントの概略図であり、該セグメントは図３Ｂに示される原周波数セグメントに対応する。 図４は、本発明に従って作成され、図３Ａの原周波数スペクトルにおける卓越周波数に対して選択的にフィルタリングすることによって決定されるノイズ周波数スペクトルを示すグラフである。 図５は、本発明に従って作成され、図４のノイズ周波数スペクトルを質量領域に変換することによって決定されるノイズ質量スペクトルを示すグラフである。 図６は、図５のノイズ質量スペクトルの拡大された部分であって、その上に図２の原質量スペクトルの対応する拡大された部分が一緒に重ねられている、部分を示すグラフである。 図７Ａは、本発明に従って、全体のノイズ質量スペクトルおよび図６に示されたその原質量スペクトルからの強度データポイントの各対応する対の最小値を決定することによって作成されるノイズ質量スペクトルを示すグラフである。 図７Ｂは、図６における拡大された部分に対応する図７Ａのノイズ質量スペクトルの拡大された部分を示すグラフである。 図８は、図７Ａのノイズ質量スペクトルを周波数領域に変換することによって決定されるノイズ周波数スペクトルを示すグラフである。 図９は、本発明に従って作成され、図８のノイズ周波数スペクトルにおける卓越周波数に対して選択的にフィルタリングすることによって決定されるノイズ周波数スペクトルを示すグラフである。 図１０は、本発明に従って作成され、図９のノイズ周波数スペクトルを質量領域に変換することによって決定されるノイズ質量スペクトルを示すグラフである。 図１１は、本発明に従って、図１０の全体のノイズ質量スペクトルおよび図２の原質量スペクトルからの強度データポイントの各対応する対の最小値を決定することによって作成されるノイズ質量スペクトルを示すグラフである。 図１２は、本発明に従って作成され、図２の原質量スペクトルから図１１のノイズ周波数スペクトルを減じることによって決定される補正された質量スペクトルを示すグラフである。 図１３は、本発明に従って、質量スペクトルにおいてノイズを低減する方法のステップを示すフロー図である。

（発明の詳細な説明）
図１を参照すると、そこに示されるものは、総称的に１０として表され、本発明に従って作成されたノイズ減少システムである。システム１０は、適切にプログラムされたノイズ減少エンジン１４を有するプロセッサすなわち中央処理装置（ＣＰＵ）を備えている。エンジン１４のためのプログラミングはまた、例えばコンピュータディスクまたはＣＤ−ＲＯＭなどの記憶媒体にセーブされ得る。入力／出力（Ｉ／Ｏ）デバイス１６（典型的には、データ入力コンポーネント１６^Ａ、およびディスプレイ１６^Ｂなどの出力コンポーネントを含む）はまた、ＣＰＵ１２に動作可能に連結される。理解されるように、好ましくはデータ入力コンポーネント１６^Ａは、質量スペクトルおよび／または周波数領域データを受信するように構成され、ディスプレイ１６^Ｂは、質量スペクトルおよび周波数領域に対応するグラフに適合するように同様に構成される。

好ましくは、質量スペクトルおよび周波数領域データが記憶され得るデータ記憶装置１７もまた、提供される。

理解されるように、システム１０は、質量スペクトル（または周波数領域データ）におけるノイズを低減するスタンドアロン分析システムであり得る。代案において、システム１０は、分析されるべき試料から生成されるイオンのビームを放出するように構成される、イオン源２０を有するスペクトロメータシステムの部分を備え得る（しかし必ずしも備える必要はない）。

検出器２２（１つ以上のアノードまたはチャネルを有する）もまた、スペクトロメータシステムの部分として提供され、検出器２２は、放出されたイオンの経路において、イオン源２０の下流に位置を決められ得る。光学装置２４または静電レンズなどの他の収束要素もまた、検出器２２にイオンを収束させるために、イオン源２０と検出器２２との間の、放出されたイオンの経路に配置され得る。

ここで図２を参照すると、システム１０に入力され、システム１０によって分析され得るような原質量スペクトル４０を示すグラフ３０がそこに示される。縦軸４２は信号強度に対応し、横軸４４はｍ／ｚ（質量／電荷）に対応する。グラフは原質量スペクトル４０を表示し、原質量スペクトル４０は、典型的には背景ノイズまたは背景信号と一緒に組み合わされ、それによって不明瞭にされた実信号を備えている。理解されるように、原質量スペクトル４０に対応するデータは、好ましくはデータ記憶装置１７に入力され、そこに記憶され、典型的にはグラフ３０は、ディスプレイ１６^Ｂに表示される。

図１３は、全体的に２００として表され、ノイズ減少システム１０によって実行される方法のステップを説明する。原質量スペクトル４０に対応するデータ（図２に示される）は、（典型的にはＩ／Ｏデバイスを介して、またはシステム１０がスペクトロメータを備えている場合、システム１０によって決定され）受信され、典型的にはデータ記憶装置１７に記憶され、ノイズ減少エンジン１４は、ノイズ減少分析を開始するようにプログラムされる（ブロック２０２）。原質量スペクトル４０における背景信号コンポーネントに対応するノイズ質量スペクトルが、次いで決定される（ブロック２０４）。下記のブロック２０６〜２３２に関する論議において説明されるように、このステップ自体、若干数のステップを備え得る。

図３Ａのグラフ５２（該グラフの拡大されたセグメントは図３Ｂのグラフ５２’に示される）において示されるように、エンジン１４は、原質量スペクトル４０の周波数領域への変換を生み出し（典型的には、フーリエ変換、サイン／コサイン変換、または当該分野において公知の任意の数学的または実験的方法を原質量スペクトル４０データに受けさせることによって）、原周波数スペクトル５０を得るようにプログラムされ得る（ブロック２０６）。グラフ５２において、縦軸５４は強度に対応し、横軸５６は周波数に対応する。

原周波数スペクトル５０は、卓越周波数に対応する明確なピーク５８を備えている。理解されるように、背景ノイズはしばしば、性質上周期的であり、典型的には１原子質量単位の周期を有する。従って、卓越周波数５８の強度の大部分はしばしば、原質量スペクトル４０のノイズコンポーネントに起因し得る。これらの卓越周波数５８はしばしば、背景ノイズの基本周波数およびその対応する高調波に対応する。

エンジン１４は、好ましくは原周波数スペクトル５０における卓越周波数５８のうちの少なくとも１つ、好ましくはその全てを同定する（但し、理解されるように、このステップはシステム１０のユーザによって手動で実行され得る）（ブロック２０８）。次に、原周波数スペクトル５０は、図４のグラフ６１に示されるように、ノイズ周波数スペクトル６０を生成するために、同定された卓越周波数５８に対してフィルタリングされる(ブロック２１０）。

これを達成するために、図３Ｃの概略グラフ６４において例示的目的のために描かれるフィルタのようなフィルタ６２が、同定された卓越周波数５８に対して選択的にフィルタリングするために作られ得る。データフィルタ６２は、典型的には減少エンジン１４におけるソフトウェアを介して実行され、しばしばエンドユーザに対して表示されない。見られ得るように、縦軸軸６６は、保持されるかまたはフィルタリングされる原周波数スペクトル５０の割合（０〜１）を表す。横軸６８は周波数に対応する。フィルタ６２は、好ましくはブロック２０８において同定された卓越周波数５８の数に対応する複数のタブ７０を備えている。図３Ａおよび図３Ｂを並置するとわかるように、タブ７０によってフィルタ６２は、同定された卓越周波数５８データの１００％を保存するかまたはそれに対してフィルタリングするように構成される。逆に、フィルタ６２は、同定された卓越周波数データ５８の部分を形成しない原周波数スペクトル５０における周波数データを捨て、結果としてノイズ周波数スペクトル６０データが生ずる。

続いて、エンジン１４は、好ましくは、典型的にはノイズ周波数スペクトル６０データの質量領域への逆フーリエ変換を行なうことによって、図５のグラフ７４において示されるノイズ質量スペクトル７２を決定するように構成される（ブロック２１２）。

理解されるように、ノイズ質量スペクトル７２データは、原質量スペクトル４０の背景ノイズ信号コンポーネントの推定を表す。

図６を参照すると、ノイズ質量スペクトル７２の対応する拡大されたセグメントによる、拡大された原質量スペクトル４０のクローズアップセグメントのオーバレイされたグラフ７６がそこに示される。理解されるようにノイズ７２および原４０質量スペクトルは、何千というデータポイントから形成される。１つのデータポイントが各ｍ／ｚ値に対応する各スペクトル４０、７２に存在するので、質量スペクトル７２および４０の両方におけるデータポイントは関連づけられ得る。

原質量スペクトル４０およびノイズ質量スペクトル７２のそれぞれの例示的データポイント７４Ａおよび７４Ｂ（７５Ａおよび７５Ｂ）を参照すると、各対は、同じｍ／ｚ値に関連づけられる（点線によって示されるように）。ノイズ質量スペクトル７２が特定のｍ／ｚ値において原質量スペクトル４０より高い強度値を有し得ることが見られ得る。しかしながら、理解されるように、このことは、背景ノイズ信号コンポーネントの推定値におけるアーティファクトを示す。なぜならノイズコンポーネントは、（対応するｍ／ｚ値における）原質量スペクトル４０の背景信号と実信号との結合を超えないはずであるからである。このアーティファクトは、例えば、ポイント７４Ａ、７５Ａにおける原質量スペクトル４０についての現実ピークの結果であり、これらの点において、初期質量スペクトルはノイズ質量スペクトル７２についての対応するポイント７４Ｂ、７５Ｂより高い強度値を有している。

従って、背景信号推定をさらに改良するために、ノイズ質量スペクトル７２データは、（同じｍ／ｚ値を有する）ノイズ質量スペクトル７２と原質量スペクトル４０との各関連したデータポイントに対して、２つのデータポイントの最小強度値が決定されるように改訂される（ブロック２１４）。次に、ノイズ質量スペクトルは、好ましくはノイズ強度データポイントを最小値に等しくすることによって修正される（ブロック２１６）。

明確には、ブロック２１４および２１６のステップは、下記の式１に説明される関数を用いて実行される。
式１： ｆ（ｘ）＝ｍｉｎ（ｆ（ｘ），ｇ（ｘ））
ここで、ｘはｍ／ｚを表し、ｆ（ｘ）はノイズ質量スペクトル７２の強度値を表し、ｇ（ｘ）は、原質量スペクトル４０の強度値を表し、ｆ（ｘ）は修正されたノイズ質量スペクトルを表す。

原およびノイズ質量スペクトル４０、７２における関連するデータポイントの全てに対するブロック２１６の完了は、図７Ａ（および図７Ｂ）のグラフ８２に示されるように、結果として修正されたノイズ質量スペクトル８０が生ずる（ブロック２１８）。

次に、修正されたノイズ質量スペクトル８０の周波数領域への変換が行なわれ（再び、典型的には、フーリエ変換をノイズ質量スペクトル８０データに受けさせることによって）、図８のグラフ９２に示されるような、ノイズ周波数スペクトル９０を得る（ブロック２２０）。

次に、ノイズ周波数スペクトル９０における卓越周波数９４の少なくとも１つおよび好ましくは全てが同定される（ブロック２２２）。ノイズ周波数スペクトル９０は次いで、フィルタリングされたノイズ周波数スペクトル９８を生成するために、同定された卓越周波数９４に対してフィルタリングされ、フィルタリングされたノイズ周波数スペクトル９８の一部分は図９のグラフ９９に示される（ブロック２２４）。

典型的には、ブロック２１０に関して作られる図３Ｂのフィルタ６２は、ノイズ周波数スペクトル９８を作る際に、同定された卓越周波数９４に対して選択的にフィルタリングするために再使用され得る。

続いて、図１０のグラフ１０２に示されるように、ノイズ質量スペクトル１００は、典型的にはノイズ周波数スペクトル９８データの質量領域への逆フーリエ変換を行なうことによって生成される（ブロック２２６）。

背景信号推定をさらに改良するために、ブロック２１６に関して論議された方法と類似した方法で、ノイズ質量スペクトル１００データは、（同じｍ／ｚ値を共有することにより関連づけられた）ノイズ質量スペクトル１００と原質量スペクトル４０とにおける各関連したデータポイントに対して、２つのデータポイントの最小強度値が決定されるように改訂される（ブロック２２８）。次に、ノイズ質量スペクトル１００は、好ましくはノイズ強度データポイントを最小値に等しくすることによって修正される（ブロック２３０）。理解されるように、ブロック２２８および２３０のステップは、上記の式１を用いて実行され得る。

原およびノイズ質量スペクトル４０、１００における関連するデータポイントの全てに対してブロック２３０の完了は、図１１のグラフ１０４に示されるように、結果として、修正されたノイズ質量スペクトル１０２が生じる（ブロック２３２）。

ブロック２２０〜２３２のステップは、好ましくは（必ずしも必要ではないが）、複数回繰り返され（図１３の線２３３によって示されるように）、各繰り返しは、背景信号推定（ノイズ質量スペクトル１０２）をさらに改良し、該背景信号推定を実際の背景信号にさらに近くに接近させる。ブロック２２０〜２３２のステップは、所定の回数が繰り返され得（例えば、典型的には１〜２０回であるが、一部の場合において、より多くの繰り返しが必要であり得る）、または、修正されたノイズ質量スペクトル１０２データのそれぞれのバージョンとノイズ質量スペクトル１００データとの間の差が一旦所定の範囲内に入ると、エンジン１４は繰り返しを自動的に中止させるようにプログラムされ得る。

修正されたノイズ質量スペクトル１０２の最終バージョンが一旦決定されると、ノイズ質量スペクトル１０２は、原質量スペクトル４０から減じられ、図１２におけるグラフ１１２に示されるように、結果として、補正された質量スペクトル１１０が生じる（ブロック２５０）。理解されるように、補正された質量スペクトル１１０は、（原質量スペクトル４０に存在する）背景ノイズの大部分が除去されて、分析された試料の意図される実信号に対応する。

代替の実施形態２００’において、（図２に示され、点線によって分離されるように）ブロック２０６の前に原質量スペクトル４０を複数の初期ウィンドウ１２０にセグメント化することによって、改善された結果が時に得られ得ることが見出された(ブロック２３４）。典型的には、ウィンドウ１２０は等しい寸法であるが、但し、このことは必要とされない。好ましくは、点線２３６によって示されるように、ブロック２０６〜２１２が別の（典型的には連続の）初期ウィンドウ１２０に対して開始され、そして完了させられる前に、ブロック２０６から２１２までは各々、１つの初期ウィンドウ１２０に対して別々に完了させられる。

もちろん、理解されるように、ブロック２０６〜２１２の各々の上記の説明は、全体として質量スペクトルおよび対応する周波数領域にあてはまる。しかしながら、原質量スペクトル４０が適宜、ブロック２３４に従って別々に初期ウィンドウ１２０によって処理される場合、ブロック２０６〜２１２に関する説明における質量スペクトルおよび周波数領域の全体に関する言及は、これらのブロックの特定の反復中に処理される初期ウィンドウ１２０に対応する質量スペクトルおよび周波数領域のセグメントにあてはまると理解されるべきである。

一旦、ブロック２２２に従う初期ウィンドウ１２０への原質量スペクトル４０のセグメント化および各初期ウィンドウ１２に対するブロック２０６〜２１２の後の完了がなされ、修正されたノイズ質量スペクトル８０が、ブロック２１４〜２１８に従って生成されると、ブロック２２０の前に一連の複数の後のウィンドウ１３０（図７Ａに示されるように）にセグメント化される（ブロック２３８）。好ましくは、連続する後のウィンドウ１３０は、質量領域においてどの後のウィンドウ１３０もどの開始ウィンドウ１２とも同一の広がりを持たないように構成される。（質量スペクトルの開始および終了時以外において）ウィンドウ１３０が、立上りエッジまたは終了エッジ（図７Ａの点線で示される）をどの開始ウィンドウ１２とも共有しない場合もまた好ましい。

従って、後のウィンドウ１３０が開始ウィンドウ１２と概して同じサイズであるように構成される場合、後のウィンドウセグメント１３０は、最初１３０’のおよび最後１３０”の後のウィンドウセグメントが典型的には後のウィンドウ１３０の残りのものよりも小さくなるように質量領域においてシフトされる。

ブロック２２０〜２２６の各々は、点線２４０によって示されるように、ブロック２２０〜２２６が別の（典型的には連続する）後のウィンドウ１３０に対して完了される前に、１つの後のウィンドウ１３０（１３０’、１３０”を含む）に対して別々に完了される。上記に論議される最初の実施形態の場合のように、ブロック２２０〜２３２は繰り返され得る−後の繰り返しごとに（線２３３の代わりに点線２３３’によって示されるように）、好ましくは、一連の新しい後のウィンドウは、どの新しい後のウィンドウ１３０もどの以前のシリーズのどの後のウィンドウ１３０とも同一の広がりを持たないように、ブロック２３８において作られる。（質量スペクトルの開始および終了時以外において）どの新しい後のウィンドウ１３０も、立上りエッジまたは終了エッジ（図７Ａの点線で示される）を以前のシリーズにおけるどの後のウィンドウ１２０とも共有しない場合もまた好ましい。

後の繰り返しごとに立上りエッジまたは終了エッジのオーバラップを回避するかまたは最小限にするために、一連の新しい後のウィンドウ１３０は、前のシリーズのウィンドウ１３０と概ね同じサイズを有するが、ｍ／ｚ値に関して位置がシフトされるように構成され得る。あるいはウィンドウ１３０のサイズは、異なるシリーズのウィンドウ１３０に対して変更され、立上りエッジまたは終了エッジのオーバラップを最小限にし得る。

従って、本明細書において示されかつ説明されることは本発明の好ましい実施形態を構成するが、本発明から逸脱することなく様々な変更がなされ得、本発明の範囲が添付の特許請求の範囲において定義されることは理解されるべきである。

Claims (13)

1. 質量スペクトルにおける背景ノイズを低減する方法であって、該方法は、
   （ａ）原質量スペクトルを得るステップと、
   （ｂ）該原質量スペクトルにおける背景ノイズに対応するノイズ質量スペクトルを決定するステップと、
   （ｃ）該原質量スペクトルから該ノイズ質量スペクトルを減じることによって、補正された質量スペクトルを決定するステップと
   を包含する、方法。
2. ステップ（ｂ）は、
   Ａ）前記原質量スペクトルを周波数領域に変換し、原周波数スペクトルを得るステップと、
   Ｂ）該原周波数スペクトルにおいて少なくとも１つの卓越周波数を同定するステップと、
   Ｃ）該少なくとも１つの卓越周波数に対して選択的にフィルタリングすることによってノイズ周波数スペクトルを生成するステップと、
   Ｄ）前記ノイズ質量スペクトルを質量領域に変換することによって、該ノイズ質量スペクトルを決定するステップと
   を包含する、請求項１に記載の方法。
3. 前記原質量スペクトルは複数の原強度データポイントを備え、前記ノイズ質量スペクトルは、各ノイズ強度データポイントが原強度データポイントとに関連するように複数のノイズ強度データポイントを備え、前記方法のステップ（ｂ）は、
   （Ｅ）原強度データポイントとノイズ強度データポイントとの各関連する対に関して、
   （ｉ）最小値を決定することと、
   （ｉｉ）該ノイズ強度データポイントを該最小値に等しくすることによって、該ノイズ質量スペクトルを修正することと
   をさらに包含する、請求項２に記載の方法。
4. ステップ（ｂ）は、
   Ｆ）ステップ（Ｅ）において修正された前記ノイズ質量スペクトルを前記周波数領域に変換して、ノイズ周波数スペクトルを得るステップと、
   Ｇ）該ノイズ周波数スペクトルにおいて少なくとも１つの卓越周波数を同定するステップと、
   Ｈ）該少なくとも１つの卓越周波数に対して選択的にフィルタリングすることによって該ノイズ周波数スペクトルを修正するステップと、
   Ｉ）該ノイズ周波数スペクトルを前記質量領域に変換することによって、該ノイズ質量スペクトルを決定するステップと
   をさらに包含する、請求項３に記載の方法。
5. ステップ（ｂ）は、
   （Ｊ）ステップ（Ｉ）において決定された前記ノイズ質量スペクトルを用いて、ステップ（Ｅ）を繰り返すステップをさらに包含する、請求項４に記載の方法。
6. ステップ（Ｆ）〜（Ｊ）までを繰り返すことをさらに包含する、請求項５に記載の方法。
7. ステップＡの前に、前記原質量スペクトルを複数の初期ウィンドウにセグメント化し、各初期ウィンドウに対してＡからＤまでのステップを別々に行なうステップをさらに包含する、請求項６に記載の方法。
8. ステップＦの前に前記ノイズ質量スペクトルを複数の後のウィンドウにセグメント化し、各後のウィンドウに対してＦからＩまでのステップを別々に行なうステップをさらに包含する、請求項７に記載の方法。
9. 前記後のウィンドウは、どの後のウィンドウもどの初期ウィンドウとも同一の広がりを持たないように構成される、請求項８に記載の方法。
10. ステップＧ〜Ｊの各繰り返しに対するステップＪの後のステップをさらに包含し、ステップＧの前に前記ノイズ質量スペクトルを複数の新ウィンドウにセグメント化し、各新ウィンドウに対してステップＧからＪまでのステップを別々に行ない、そして該新ウィンドウは、どの新ウィンドウもどの後のウィンドウとも同一の広がりを持たないように構成される、請求項９に記載の方法。
11. 請求項１に記載の方法を実行するように構成されるコンピュータシステム。
12. 請求項３に記載の方法を実行するように構成されるコンピュータを備えているスペクトロメータ。
13. コンピュータシステムに請求項１に記載の方法を実行させるように構成されるプログラムを包含する記憶装置媒体。

Images