JP2018054306A - 検量装置、検量線作成方法、及び、独立成分分析方法 - Google Patents
検量装置、検量線作成方法、及び、独立成分分析方法 Download PDFInfo
- Publication number
- JP2018054306A JP2018054306A JP2016186728A JP2016186728A JP2018054306A JP 2018054306 A JP2018054306 A JP 2018054306A JP 2016186728 A JP2016186728 A JP 2016186728A JP 2016186728 A JP2016186728 A JP 2016186728A JP 2018054306 A JP2018054306 A JP 2018054306A
- Authority
- JP
- Japan
- Prior art keywords
- component
- calibration
- spectrum
- spectra
- components
- 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.)
- Pending
Links
- 238000012880 independent component analysis Methods 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000011088 calibration curve Methods 0.000 title claims abstract description 32
- 238000001228 spectrum Methods 0.000 claims abstract description 256
- 230000003287 optical effect Effects 0.000 claims abstract description 94
- 238000005259 measurement Methods 0.000 claims abstract description 55
- 238000011156 evaluation Methods 0.000 claims abstract description 28
- 239000011159 matrix material Substances 0.000 claims description 56
- 230000008569 process Effects 0.000 claims description 30
- 239000013598 vector Substances 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 9
- 239000000284 extract Substances 0.000 abstract 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 28
- 239000008103 glucose Substances 0.000 description 28
- 238000007781 pre-processing Methods 0.000 description 14
- 102000009027 Albumins Human genes 0.000 description 9
- 108010088751 Albumins Proteins 0.000 description 9
- 230000003595 spectral effect Effects 0.000 description 7
- 239000007864 aqueous solution Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000000052 comparative effect Effects 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 229930002875 chlorophyll Natural products 0.000 description 2
- 235000019804 chlorophyll Nutrition 0.000 description 2
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000004615 ingredient Substances 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 230000007935 neutral effect Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 150000003839 salts Chemical class 0.000 description 2
- 239000002904 solvent Substances 0.000 description 2
- 235000013311 vegetables Nutrition 0.000 description 2
- 238000004497 NIR spectroscopy Methods 0.000 description 1
- 238000002835 absorbance Methods 0.000 description 1
- 238000000862 absorption spectrum Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 238000004476 mid-IR spectroscopy Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000002095 near-infrared Raman spectroscopy Methods 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/127—Calibration; base line adjustment; drift compensation
- G01N2201/12746—Calibration values determination
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/129—Using chemometrical methods
- G01N2201/1293—Using chemometrical methods resolving multicomponent spectra
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
【課題】複数の成分に由来する測定データが「互いに統計的に独立である」という条件を満たさない場合にも、独立成分分析や目的成分の検量を精度良く実行できる技術を提供する。【解決手段】検量用データ取得部は、(a)Q個の光学スペクトルとS個の評価用スペクトルを取得し、(b)Q個の光学スペクトルの集合からR個の部分集合を抽出し、(c)R個の部分集合のそれぞれに対して、各サンプルにおける各成分の成分量を独立成分とする独立成分分析を実行してR×N個の成分検量用スペクトルを取得し、(d)R×N個の各成分検量用スペクトルと評価用スペクトルとの内積値を求め、(e)R×N個の成分検量用スペクトルの中から、目的成分の成分量と内積値との相関度が最高となるものを目的成分検量用スペクトルとして選択し、(f)目的成分検量用スペクトルを用いて検量線を作成する。【選択図】図7
Description
本発明は、被検体の測定データから目的成分の成分量を求める検量技術、及び、光学スペクトル等の測定データから独立成分を決定する独立成分分析技術に関する。
従来から、独立成分分析(ICA:Independent Component Analysis)を利用して目的成分の成分量を求める検量方法が知られている。従来の独立成分分析は、複数の成分に由来する信号源(例えば光学スペクトル)が独立成分であるという前提の下に、独立成分としての信号源を推定する方法である。例えば、特許文献1には、緑色野菜の分光測定を行って光学スペクトルを取得し、この光学スペクトルに対して独立成分分析を行うことによってクロロフィルに由来するスペクトルを独立成分として推定し、推定されたスペクトルを用いて新たな緑色野菜サンプルにおけるクロロフィル量を決定する検量技術が開示されている。
ところで、独立成分分析を十分正確に行うためには、推定すべき複数の独立成分が、互いに統計的に独立である、という条件が成立していることが必要とされる。しかし、ある種の測定データでは、正確な独立成分分析を行うためのこのような条件が成立しない場合がある。
このような場合には、複数の成分に由来する光学スペクトルを独立成分と見なす通常の独立成分分析を行っても、光学スペクトルを正確に推定することができない可能性がある。そこで、複数の成分に由来する光学スペクトルが「互いに統計的に独立である」という条件を満たさない場合にも、独立成分分析を精度良く行い得る技術や、目的成分の検量を精度良く行い得る技術が望まれている。なお、このような課題は、近赤外領域を含む光学スペクトルを用いた目的成分の検量に限らず、他の測定データや測定信号に対して独立成分分析を行う他の技術にも共通する課題である。
本発明は、上述の課題の少なくとも一部を解決するためになされたものであり、以下の形態または適用例として実現することが可能である。
(1)本発明の第1の形態によれば、被検体における目的成分の成分量を求める検量装置が提供される。この検量装置は、前記被検体の分光測定によって得られる光学スペクトルを取得する光学スペクトル取得部と;前記目的成分に対応する目的成分検量用スペクトルと、検量線を表す単回帰式と、含む検量用データを取得する検量用データ取得部と;前記被検体について取得された前記光学スペクトルと前記目的成分検量用スペクトルとの内積値を計算する内積値算出部と;前記内積値と前記目的成分の成分量との関係を示す前記単回帰式を使用し、前記内積値算出部によって求められた内積値に対応する前記目的成分の成分量を算出する成分量算出部と;を備える。前記検量用データ取得部は、(a)前記目的成分を含むN個(Nは1以上の整数)の成分をそれぞれ含有するQ個(Qは3以上の整数)の第1サンプルを分光測定して得られたQ個の光学スペクトルと、前記目的成分の成分量が既知であるS個(Sは3以上の整数)の第2サンプルを分光測定して得られたS個の評価用スペクトルと、を取得する処理と;(b)前記Q個の光学スペクトルの集合からR個(Rは2以上の整数)の部分集合を抽出する処理と;(c)前記R個の部分集合のそれぞれに対して、各サンプルにおける前記N個の成分の成分量を独立成分とする独立成分分析を実行することによって、前記N個の成分に対応するN個の成分検量用スペクトルを決定して、合計でR×N個の成分検量用スペクトルを取得する処理と;(d)前記R×N個の成分検量用スペクトルのそれぞれに関して、前記S個の評価用スペクトルとの内積を実行することによってS個の内積値を求める処理と;(e)前記R×N個の成分検量用スペクトルのそれぞれに関して、前記S個の第2サンプルにおける前記目的成分の成分量と前記S個の内積値との相関度を求め、前記R×N個の成分検量用スペクトルの中から前記相関度が最高となるような成分検量用スペクトルを前記目的成分検量用スペクトルとする処理と;(f)前記S個の評価用スペクトルと前記目的成分検量用スペクトルとの内積で得られる内積値と、前記S個の第2サンプルに含有される前記目的成分の成分量との関係を示す単回帰式を前記検量線として作成する処理と;を実行する。
この検量装置によれば、各サンプルにおけるN個の成分の成分量を独立成分とする独立成分分析を実行するので、複数の成分に由来する光学スペクトルが互いに独立でない場合にも、独立成分分析を精度良く行い、目的成分の検量を精度良く行うことが可能である。また、Q個の光学スペクトルの集合から複数の部分集合を抽出し、各部分集合のそれぞれに対して成分量を独立成分と見なす独立成分分析を実行するので、Q個の光学スペクトルの集合全体における成分量分布がガウス的であることなどの独立性の不足がある場合にも、幾つかの部分集合では成分量分布がより非ガウス的になって独立性が改善されるので、目的成分検量用スペクトルを精度良く求めることが可能である。この結果、検量をより精度良く行うことが可能となる。
この検量装置によれば、各サンプルにおけるN個の成分の成分量を独立成分とする独立成分分析を実行するので、複数の成分に由来する光学スペクトルが互いに独立でない場合にも、独立成分分析を精度良く行い、目的成分の検量を精度良く行うことが可能である。また、Q個の光学スペクトルの集合から複数の部分集合を抽出し、各部分集合のそれぞれに対して成分量を独立成分と見なす独立成分分析を実行するので、Q個の光学スペクトルの集合全体における成分量分布がガウス的であることなどの独立性の不足がある場合にも、幾つかの部分集合では成分量分布がより非ガウス的になって独立性が改善されるので、目的成分検量用スペクトルを精度良く求めることが可能である。この結果、検量をより精度良く行うことが可能となる。
(2)前記検量用データ取得部は、前記処理(c)において、(1)前記各サンプルに対する分光測定で得られた光学スペクトルを列ベクトルとする光学スペクトル行列Xを、前記各サンプルに含有される前記N個の成分のうちの個々の成分に由来する未知の成分固有スペクトルを列ベクトルとする成分固有スペクトル行列Yと、前記各サンプルにおける前記N個の成分の未知の成分量を列ベクトルとする成分量行列Wと、の積に等しいとする式X=YWを使用し、前記成分量行列Wを構成する個々の列ベクトルをそれぞれ独立成分と見なして独立成分分析を実行することによって、前記成分量行列Wと前記成分固有スペクトル行列Yとを決定し;(2)前記独立成分分析によって決定された前記成分固有スペクトル行列Yの一般化逆行列Y†における前記N個の成分のそれぞれに対応する逆行列行ベクトルを、各成分に対応する前記成分検量用スペクトルとして採用するものとしてもよい。
この構成によれば、各成分に対応する成分検量用スペクトルを精度良く決定することが可能である。
この構成によれば、各成分に対応する成分検量用スペクトルを精度良く決定することが可能である。
(3)本発明の第2の形態によれば、上述の第1の形態において検量用データ取得部が実行する検量線作成方法が提供される。
この検量方法によっても、第1の形態と同様に、目的成分検量用スペクトルを精度良く求めることが可能であり、検量を精度良く行うことが可能となる。
この検量方法によっても、第1の形態と同様に、目的成分検量用スペクトルを精度良く求めることが可能であり、検量を精度良く行うことが可能となる。
(4)本発明の第3の形態によれば、複数のサンプルを分光測定して得られた複数の光学スペクトルから、各サンプルに含有される複数の成分に対応する成分検量用スペクトルを決定する独立成分分析方法が提供される。この独立成分分析方法は、(1)前記複数のサンプルに対する分光測定で得られた複数の光学スペクトルの集合から、それぞれ2個以上の光学スペクトルを含む複数の部分集合を抽出する工程と;(2)前記複数の部分集合のそれぞれに対して、各サンプルにおける前記複数の成分の成分量を独立成分とする独立成分分析を実行することによって、前記複数の成分に対応する複数の成分検量用スペクトルを決定する工程と、を備える。
この方法によれば、複数の光学スペクトルの集合から複数の部分集合を抽出し、各部分集合のそれぞれに対して成分量を独立成分と見なす独立成分分析を実行するので、複数の光学スペクトルの集合全体における成分量分布がガウス的であることなどの独立性の不足がある場合にも、幾つかの部分集合では成分量分布がより非ガウス的になって独立性が改善されるので、成分検量用スペクトルを精度良く求めることが可能である。
この方法によれば、複数の光学スペクトルの集合から複数の部分集合を抽出し、各部分集合のそれぞれに対して成分量を独立成分と見なす独立成分分析を実行するので、複数の光学スペクトルの集合全体における成分量分布がガウス的であることなどの独立性の不足がある場合にも、幾つかの部分集合では成分量分布がより非ガウス的になって独立性が改善されるので、成分検量用スペクトルを精度良く求めることが可能である。
本発明は、上述した装置を含む電子機器や、上述した装置の各部の機能を実現するコンピュータープログラム、及び、コンピュータープログラムを格納する一時的でない記録媒体(non-transitory storage medium)等の形態等で実現することが可能である。
以下、本発明の実施の形態を以下の順序で説明する。
A. 成分量を独立成分と見なす独立成分分析の概要:
B. 検量線作成処理及び検量処理の概要:
C. 実施形態における検量装置の構成とその処理内容:
D. 検量用データ取得処理の内容:
E. 実施例:
F. 変形例:
A. 成分量を独立成分と見なす独立成分分析の概要:
B. 検量線作成処理及び検量処理の概要:
C. 実施形態における検量装置の構成とその処理内容:
D. 検量用データ取得処理の内容:
E. 実施例:
F. 変形例:
A. 成分量を独立成分と見なす独立成分分析の概要:
以下に説明する実施形態で使用する独立成分分析は、成分の成分量を独立成分と見なす点で、成分由来の測定データ(例えば光学スペクトル)を独立成分と見なす通常の独立成分分析とは考え方に大きな相違点がある。そこで、まず、通常の独立成分分析と、成分量を独立成分と見なす独立成分分析との相違点について以下に説明する。以下では説明の便宜上、被検体(「サンプル」とも呼ぶ)の光学スペクトルを測定データとして使用する場合について説明するが、成分量を独立成分と見なす独立成分分析は、音声信号や画像などの他の種類の信号やデータにも適用可能である。
以下に説明する実施形態で使用する独立成分分析は、成分の成分量を独立成分と見なす点で、成分由来の測定データ(例えば光学スペクトル)を独立成分と見なす通常の独立成分分析とは考え方に大きな相違点がある。そこで、まず、通常の独立成分分析と、成分量を独立成分と見なす独立成分分析との相違点について以下に説明する。以下では説明の便宜上、被検体(「サンプル」とも呼ぶ)の光学スペクトルを測定データとして使用する場合について説明するが、成分量を独立成分と見なす独立成分分析は、音声信号や画像などの他の種類の信号やデータにも適用可能である。
通常の独立成分分析では、例えば、複数のサンプルの分光測定で得られる光学スペクトルx1(λ),x2(λ),x3(λ)を、各サンプルに含有されている複数の成分に由来する成分固有スペクトルs1(λ),s2(λ),s3(λ)の線形結合として以下の(1)式のように表現する。
ここで、a11,a12…,a33は各成分の成分量を示す重み係数である。なお、ここでは、説明の便宜上、光学スペクトルのサンプル数と成分の数をいずれも3とする。
通常の独立成分分析では、上記(2)式を用い、複数の成分に由来する未知の成分固有スペクトルs1(λ),s2(λ),s3(λ)を互いに独立な成分と見なして独立成分分析を実行する。このとき、独立成分分析を十分正確に行うためには、複数の成分固有スペクトルs1(λ),s2(λ),s3(λ)が、互いに統計的に独立である、という条件が成立していることが必要とされる。
ところが、測定データの性質によっては、正確な独立成分分析を行うための上記の条件が成立しない場合がある。この際、複数の成分に由来する光学スペクトルは、「互いに統計的に独立である」という条件を満たさないことがある。このような場合には、上述した(2)式を用いて通常の独立成分分析を行っても、成分固有スペクトルs1(λ),s2(λ),s3(λ)や成分量行列Aを正確に推定できない可能性がある。
本発明の発明者は、上述した通常の独立成分分析の代わりに、成分量を独立成分と見なす独立成分分析を採用することによって、成分固有スペクトルs1(λ),s2(λ),s3(λ)や成分量行列Aを正確に推定又は決定できることを見出した。
成分量を独立成分と見なす独立成分分析では、上記(2)式の代わりに下記の式を使用する。
なお、行列符号に付された上付き文字「T」は、転置行列であることを意味する。この(3)式は、上記(2)式の両辺をそれぞれ転置したものに相当する。
成分量を独立成分と見なす独立成分分析では、上記(3)式において、成分量行列ATの列ベクトル[a11 a12 a13]T,[a21 a22 a23]T,[a31 a32 a33]Tをそれぞれ独立成分と見なして、独立成分分析を実行する。これらの列ベクトルは、各サンプルにおける複数の成分の成分量を表している。
成分量を独立成分と見なす独立成分分析は、以下のような考察により採用された分析方法である。上述したように、複数の成分に由来する成分固有スペクトルは、互いに統計的に独立であるという条件を満たさない場合がある。しかし、複数の成分に由来する成分固有スペクトルが統計的に独立で無いとしても、それらの複数の成分の成分量(例えば濃度)が、互いに無関係であり、統計的に独立である、という条件が成り立つならば、各サンプルにおける複数の成分の成分量(すなわち、上記(3)式の成分量行列ATを構成する個々の列ベクトル)を独立成分と見なして独立成分分析を行えば、成分量行列ATを正確に推定又は決定することができ、これと同時に、成分固有スペクトルs1(λ),s2(λ),s3(λ)も正確に推定又は決定することが可能である。
上記(3)式を一般化すると、次の(4)式となる。
ここで、Kはスペクトルの波長λの測定点数、Mはサンプルの数、Nは成分の数、である。成分量amn(m=1〜M,n=1〜N)は、m番目のサンプルにおけるn番目の成分の成分量(例えば濃度)である。
上記(4)式のように転置符号付きの行列XT,ST,ATを使用するのは不便なので、X=XT,Y=ST,yn(λk)=sn(λk),W=AT,wmn=amnとおいて、上記(4)式を次の(5)式に書き換え、成分量を独立成分と見なす独立成分分析において使用する。
<成分量を独立成分と見なす独立成分分析で使用する式>
ここで、xm(λk)はm番目のサンプルにおける波長λkでの分光強度、yn(λk)はn番目の成分に由来する波長λkでの分光強度、wmnはm番目のサンプルにおけるn番目の成分の成分量である。また、Kはスペクトルの波長λの測定点数、Mはサンプルの数、Nは成分の数である。K,Mはいずれも2以上の整数である。Nは1以上の整数であるが、2以上の整数としてもよい。
<成分量を独立成分と見なす独立成分分析で使用する式>
上記(5)式は、各サンプルの分光測定で得られた光学スペクトルを列ベクトル[xm(λ1) … xm(λK)]Tとする光学スペクトル行列Xを、複数の成分の各成分に由来する未知の成分固有スペクトルを列ベクトル[yn(λ1) … yn(λK)]Tとする成分固有スペクトル行列Yと、各サンプルにおける複数の成分の成分量を表す未知の成分量を列ベクトル[wm1 … wmN]Tとする成分量行列Wとの積に等しいとする式に相当する。
図1は、成分量を独立成分と見なす独立成分分析の概要を示す説明図である。この図では、グルコースやアルブミンを含む水溶液をサンプルとし、複数のサンプルの分光測定で得られた光学スペクトルを独立成分分析の対象とする場合の例を示している。測定スペクトルXdは、分光測定で得られた吸光度スペクトルである。実際の複数の測定スペクトルXdは、極めて近似した曲線を示すが、図1では図示の便宜上、複数の測定スペクトルXdの差異を誇張して描いている。なお、複数のサンプルの測定スペクトルXdは、互いに近似した値を有しているので、そのまま使用した場合には、独立成分分析で得られる結果の精度が十分に高くならない可能性がある。例えば、溶質(含有成分)の濃度に依存して、測定スペクトルに対する溶媒の影響が変化し、独立成分分析の精度が悪化する可能性がある。そこで、前処理として、複数の測定スペクトルXdの平均スペクトルXaveを個々の測定スペクトルXdから減算する差分演算を実行し、その差分スペクトルXを求めている。こうすれば、溶質(含有成分)の濃度に依存して測定スペクトルに対する溶媒の影響が変化する場合にも、前処理によってその影響を除去することができ、独立成分分析の精度を高めることができる。この差分スペクトルXは、上記(5)式における光学スペクトルXとして使用される。この差分スペクトルXを対象として独立成分分析を実行すれば、独立成分分析の精度を向上させることが可能である。但し、前処理は省略しても良い。
図1の下部には、上記(5)式に従って、光学スペクトルXを、未知の成分固有スペクトルyn(λ)と、未知の成分量wmnの積で表現する様子が示されている。
独立成分分析では、上記(5)式における成分量行列Wの個々の列ベクトル[wm1 … wmN]Tをそれぞれ独立成分と見なして独立成分分析を実行することによって成分量行列Wを決定し、これに応じて成分固有スペクトル行列Yも同時に決定される。なお、独立成分分析の方法自体は、通常の独立成分分析方法を利用することができる。例えば本願の出願人により開示された特開2013−160574号公報や特開2016−65803号公報に開示された独立成分分析方法を利用してもよく、或いは、他の独立成分分析方法を利用してもよい。
上記(5)式における成分固有スペクトル行列Yが決定されると、新たなサンプルにおける複数の成分の成分量w*は、新たなサンプルの分光測定で得られた光学スペクトルx*に、独立成分分析で得られた成分固有スペクトル行列Yの一般化逆行列Y†を積算することによって求めることができる。具体的には、以下の(6)式を用いて、新たなサンプルの成分の成分量w*を求めることができる。
ここで、w*=[w1 * … wN *]Tは新たなサンプルに含まれるN個の成分の成分量、Y†は独立成分分析で得られた成分固有スペクトル行列Yの一般化逆行列、yn(λk)‡は一般化逆行列Y†におけるn行目の行ベクトルのk番目の要素、x*=[x*(λ1) … x*(λK)]Tは新たなサンプルの分光測定で得られた光学スペクトルである。なお、上記(6)式は、上記(5)式の両辺の左側に、成分固有スペクトル行列Yの一般化逆行列Y†を乗じることによって導くことができる。
新たなサンプルの任意のn番目の成分の成分量wn *の値は、上記(6)式から導かれる次の(7)式で与えられることが分かる。
ここで、yn ‡は成分固有スペクトル行列Yの一般化逆行列Y†におけるn行目の行ベクトルである。なお、この行ベクトルyn ‡を「逆行列行ベクトルyn ‡」又は「成分検量用スペクトルyn ‡」と呼ぶ。また、成分固有スペクトル行列Yの一般化逆行列Y†を「成分検量用スペクトル行列Y†」と呼ぶ。このように、n番目の成分の成分量wn *は、独立成分分析で得られた成分固有スペクトル行列Yからその一般化逆行列Y†を求め、一般化逆行列Y†におけるn番目の成分に対応する逆行列行ベクトルyn ‡(すなわちn番目の成分検量用スペクトルyn ‡)と、新たなサンプルの光学スペクトルx*との内積を取ることによって求めることが可能である。但し、独立成分分析で得られる成分固有スペクトル行列Yは、その要素の値自体には意味は無く、その波形が真の成分固有スペクトルに比例するという性質を有する。従って、上記(7)式の内積で得られる成分量wn *も、実際の成分量に比例する値である。実際の成分量は、上記(7)式の内積で得られた内積値wn *を検量線(後述)に適用することによって求めることが可能である。
以上のように、成分量を独立成分と見なす独立成分分析によれば、複数の成分に由来する成分固有スペクトルが統計的に独立で無い場合にも、成分量行列Wと成分固有スペクトル行列Y(及びその一般化逆行列である成分検量用スペクトル行列Y†)を正確に推定又は決定することが可能である。
B. 検量線作成処理及び検量処理の概要:
図2は、成分量を独立成分と見なす独立成分分析(ICA)を利用した検量線作成処理の概要を示す説明図である。図2の左上部には、複数のサンプルの分光測定で得られた測定スペクトルMSの一例が示されている。この測定スペクトルMSは、図1の測定スペクトルXdに対応しており、複数の成分(例えばグルコースとアルブミン)を含むサンプルの分光測定によって得ることができる。通常の検量線作成処理では、複数のサンプルとして、目的成分(例えばグルコース)の成分量(例えば濃度)が既知である既知サンプルを使用する。但し、後述する実施形態では、独立成分分析の対象となる光学スペクトルを取得するための複数のサンプルとして、目的成分の成分量が未知であるサンプル(第1サンプル)を使用できる点で、通常の検量線作成処理と異なる。
図2は、成分量を独立成分と見なす独立成分分析(ICA)を利用した検量線作成処理の概要を示す説明図である。図2の左上部には、複数のサンプルの分光測定で得られた測定スペクトルMSの一例が示されている。この測定スペクトルMSは、図1の測定スペクトルXdに対応しており、複数の成分(例えばグルコースとアルブミン)を含むサンプルの分光測定によって得ることができる。通常の検量線作成処理では、複数のサンプルとして、目的成分(例えばグルコース)の成分量(例えば濃度)が既知である既知サンプルを使用する。但し、後述する実施形態では、独立成分分析の対象となる光学スペクトルを取得するための複数のサンプルとして、目的成分の成分量が未知であるサンプル(第1サンプル)を使用できる点で、通常の検量線作成処理と異なる。
検量線の作成の際には、まず、測定スペクトルMSに前処理を行うことによって、前処理後の光学スペクトルOS(図1における前処理後の光学スペクトルX)を作成する。前処理としては、例えば、測定スペクトルMSの正規化を含む前処理を行う。前処理では、正規化に加えて、図1で説明した差分演算を実行することが好ましい。また、前処理において、測定スペクトルMSにおけるベースライン変動を取り除くために、零空間射影法(PNS)を実行してもよい。但し、当初の測定スペクトルMSが、前処理が不要な特性を有する場合(例えば、正規化により測定スペクトルMSに変化が生じない場合)には、前処理は省略可能であり、測定スペクトルMSをそのまま光学スペクトルOSとして使用しても良い。
次に、複数の光学スペクトルOSに対して、成分量を独立成分と見なす独立成分分析を実行することによって、複数の成分検量用スペクトルCS1〜CSNを求める。なお、括弧内は成分の番号を示している。これらの成分検量用スペクトルCS1〜CSNは、上述した成分検量用スペクトルyn ‡に相当する。
図2の下部は、こうして得られた成分検量用スペクトルCS1〜CSNを用いて検量線を作成する方法を示している。ここではまず、目的成分の成分量が既知である複数の既知サンプル(第2サンプル)に関する光学スペクトルEDSを取得する。これらの光学スペクトルEDSは、既知サンプルの分光測定で得られた測定スペクトルに対して、必要に応じて上述した前処理を行ったものである。これらの光学スペクトルEDSを「評価用スペクトルEDS」と呼ぶ。次に、個々の評価用スペクトルEDSと、成分検量用スペクトルCSnとの内積値を計算する。この内積値の計算は、評価用スペクトルEDSと成分検量用スペクトルCSnとをそれぞれ1つのベクトルと見なして、それらの2つのベクトルの内積を取る演算であり、その結果として1つの内積値が得られる。従って、複数の評価用スペクトルEDSに対して同一の成分検量用スペクトルCSnとの内積を計算すると、同じ成分検量用スペクトルCSnに関して複数の既知サンプルに対応する複数の内積値が得られる。図2の右下部には、複数の既知サンプルに関する内積値Pを横軸にとり、複数の既知サンプルに含有される目的成分の既知の成分量Cを縦軸に取ってプロットした図である。仮に、内積で使用したn番目の成分検量用スペクトルCSnが目的成分に対応するスペクトルである場合には、図2の例に示すように、内積値Pと、各既知サンプルの目的成分の成分量Cとが強い相関を有する。そこで、独立成分分析で得られた複数の成分検量用スペクトルCS1〜CSNのうちで、例えば、最も強い相関(最も大きな相関度)を示す成分検量用スペクトルCSnを、目的成分に対応する目的成分検量用スペクトルとして選択することができる。なお、この選択のための評価値としては、相関度以外の評価値を使用することも可能である。図2の例では、1番目の成分検量用スペクトルCS1が、目的成分(例えばグルコース)に対応する目的成分検量用スペクトルである。検量線CCは、内積値Pと成分量Cのプロットの単回帰式C=uP+vで与えられる直線として表される。
図3は、検量線を用いた目的成分の検量処理の概要を示す説明図である。検量処理では、図2に示した検量線作成処理で得られた目的成分検量用スペクトルCS1と、検量線CCとを利用して行われる。検量処理では、まず、目的成分の成分量が未知である被検体の測定スペクトルTOSを取得する。次に、この測定スペクトルTOSに、必要に応じて前処理を行うことによって前処理後の光学スペクトルTOSを作成する。この前処理は、検量線の作成時に使用した前処理と同じ処理である。なお、検量線の作成時の前処理において、図1で説明した差分演算を行っている場合には、検量線作成時に使用した平均スペクトルXaveを測定スペクトルTOSから減算するようにしてもよい。そして、こうして得られた光学スペクトルTOSと、目的成分検量用スペクトルCS1との内積を取ることによって、光学スペクトルTOSに関する内積値Pを算出する。この内積値Pを検量線CCに適用すれば、被検体に含有される目的成分の成分量Cを決定することが可能である。
C. 実施形態における検量装置の構成とその処理内容:
図4は、一実施形態における検量装置100の構成を示すブロック図である。この検量装置100は、検量用データ取得部110と、光学スペクトル取得部120と、内積値算出部130と、成分量算出部140と、表示部150と、を備えている。また、検量装置100には、測定データを取得するための測定器200が接続されている。この測定器200は、例えば、サンプルの分光吸光度を測定する分光測定器である。なお、測定器200としては、分光測定器に限らず、目的成分の性質に適した種々の測定器を利用可能である。
図4は、一実施形態における検量装置100の構成を示すブロック図である。この検量装置100は、検量用データ取得部110と、光学スペクトル取得部120と、内積値算出部130と、成分量算出部140と、表示部150と、を備えている。また、検量装置100には、測定データを取得するための測定器200が接続されている。この測定器200は、例えば、サンプルの分光吸光度を測定する分光測定器である。なお、測定器200としては、分光測定器に限らず、目的成分の性質に適した種々の測定器を利用可能である。
なお、検量装置100は、例えば、検量専用の電子機器として実現可能であり、また、汎用のコンピュータによっても実現可能である。更に、検量装置100の各部110〜150の機能は、コンピュータプログラム又はハードウェア回路によって任意に実現可能である。
図5は、検量装置100による検量処理の手順を示すフローチャートである。ステップS110では、検量用データ取得部110(図4)が、目的成分検量用スペクトル(図2の例ではCS1)と検量線CCとを含む検量用データを取得する。本実施形態における検量用データ取得処理の詳細については、改めて詳述する。
ステップS120では、光学スペクトル取得部120が、測定器200を用いて被検体の光学スペクトルTOS(図3)を取得する。図3で説明したように、この光学スペクトルTOSは、分光測定で得られた測定スペクトルに、必要に応じて前処理が実行されたものである。従って、光学スペクトル取得部120は、この前処理を実行する機能を有することが好ましい。ステップS130では、内積値算出部130が、光学スペクトルTOSと目的成分検量用スペクトルCS1の内積値P(図3)を算出する。ステップS140では、成分量算出部140が、検量線CCを用いて、ステップS130で得られた内積値Pに対応する成分量Cを算出する。この成分量Cは、被検体における目的成分の成分量(例えばグルコース濃度)である。ステップS150では、表示部150にこの成分量Cが表示される。なお、成分量Cを表示する代わりに、他の電子機器にこの成分量Cを転送して、他の所望の処理(例えば、被検体本人に対する電子メールによる通知)を実行するようにしてもよい。
D. 検量用データ取得処理の内容:
図6及び図7は、本実施形態における検量用データ取得処理のフローチャートとその内容を示す説明図であり、図5のステップS110の詳細工程を示している。
図6及び図7は、本実施形態における検量用データ取得処理のフローチャートとその内容を示す説明図であり、図5のステップS110の詳細工程を示している。
ステップS210では、目的成分(例えばグルコース)を含む複数の成分を含有するQ個(Qは3以上の整数)の第1サンプルを測定してQ個の光学スペクトルOSの集合(図7)を取得し、更に、目的成分の成分量が既知であるS個(Sは3以上の整数)の第2サンプルを測定してS個の評価用データED(図7)を取得する。Q個の光学スペクトルOSの集合は、独立成分分析を行って成分検量用スペクトルを決定するための学習用のサンプルデータである。評価用データEDは、S個のサンプルに対する光学スペクトルである評価用スペクトルEDSと、各サンプルにおける目的成分の既知の成分量と、を含んでいる。Q個の第1サンプルは、目的成分の成分量が既知であってもよいが、目的成分の成分量が未知であるサンプルを使用可能である。この理由は、本実施形態における検量用データ取得処理では、Q個の第1サンプルにおける目的成分の成分量を使用しないからである。なお、第1サンプルの数Qは、3以上の任意の整数であれば良いが、Qが100以上の大きな値である場合に図6の処理による効果が大きい。この理由は、第1サンプルの数Qが大きくなると、成分量分布がガウス分布に近くなるので、成分量を独立成分と見なす独立成分分析を精度良く実行するのが難しくなり、後述する部分集合を作成する意義が顕著になるからである。この理由ついて、以下で補足して説明する。
上述した成分量を独立成分とした独立成分分析を精度良く実行するには、学習用の多数のサンプルデータ(光学スペクトル)が必要であり、そのサンプルデータ集合は以下の条件を満たすことが望まれる。
<条件C1>
複数の光学スペクトルは、特定の目的成分のほかに、被検体の実測時に存在しうる各種の成分が混合したサンプルを測定したデータとなっていること
<条件C2>
目的成分を含む複数の成分の成分量分布が、非ガウス分布に従い、互いに統計的独立となっていること
<条件C1>
複数の光学スペクトルは、特定の目的成分のほかに、被検体の実測時に存在しうる各種の成分が混合したサンプルを測定したデータとなっていること
<条件C2>
目的成分を含む複数の成分の成分量分布が、非ガウス分布に従い、互いに統計的独立となっていること
上記の条件C1に関しては、多様な測定条件下での測定を行うことにより満たすことができると考えられる。しかし、条件C2については、無作為に用意したサンプルデータの集合において満たされている保証はない。特に、多数の異なるサンプルから集めたデータについては、成分量分布が正規分布(ガウス分布)に近くなる可能性がある。一方、サンプルの集合全体ではなく、その部分集合であれば、正規分布から外れた成分量分布が得られると期待される。そこで、本実施形態では、後述するステップS220において、用意した全サンプルの光学スペクトルOSの集合から部分集合を抽出することによって、成分量を独立成分と見なす独立成分分析の精度を向上させている。
なお、成分量が既知である第2サンプルの数Sは、3以上の任意の整数であれば良く、Sが大きいほど検量精度が向上する点で好ましい。また、通常は、第2サンプルの数Sは、第1サンプルの数Qよりも少ない。なお、第2サンプルの一部又は全部を、第1サンプルの一部として使用してもよい。
ステップS220では、Q個の光学スペクトルOSの集合からR個(Rは2以上の整数)の部分集合PA1〜PAR(図7)を抽出する。なお、R個の部分集合PA1〜PARは、それぞれM個(Mは2以上Q未満の整数)の光学スペクトルOSを含むように抽出される。各部分集合PAr(r=1〜R)を構成する光学スペクトルOSの数Mは、ステップS230で実行する独立成分分析で求める成分検量用スペクトルの数以上の値に設定される。なお、各部分集合PAr(r=1〜R)を構成する光学スペクトルOSの数Mは、互いに異なる値としてもよく、互いに等しい値としてもよい。部分集合PA1〜PARの抽出は、乱数等を用いてランダムに行うことが好ましい。なお、各部分集合PAr(r=1〜R)の抽出の際には、同じ部分集合PAr内に同じ光学スペクトルが2回以上抽出されないように非復元抽出が使用される。Q個の光学スペクトルOSの集合からM個の異なる光学スペクトルを選択する組み合わせの数は、QCMに等しい。部分集合PArの数Rは、この組み合わせの数QCM以下で、かつ、2以上の任意の整数に設定することが可能である。このように、ステップS210で用意したQ個の光学スペクトルOSの集合からR個の部分集合PA1〜PARを抽出すれば、上記条件C2を満たす部分集合PArが1つ以上生成されることが期待される。
ステップS230では、R個の部分集合PA1〜PARのそれぞれに対して、上述した成分量を独立成分と見なす独立成分分析を行うことによって、個々の部分集合PAr(r=1〜R)についてN個(Nは1以上の整数)の成分検量用スペクトルCSr1〜CSrNをそれぞれ求める(図7)。この結果、合計でR×N個の成分検量用スペクトルCSrn(r=1〜R,n=1〜N)を取得することができる。なお、成分数Nは、実際の含有成分の数と一致している必要は無く、独立成分分析の精度が向上するように経験的又は実験的に決定される。Nの値は、1以上の整数に設定することが可能であるが、2以上の整数としてもよい。
ステップS240〜S260は、ステップS230で得られたR×N個の成分検量用スペクトルCSrn(r=1〜R,n=1〜N)の中から、目的成分に対応する最適な目的成分検量用スペクトルを選択する処理である。まず、ステップS240では、R×N個の成分検量用スペクトルCSrnのそれぞれに関して、S個の評価用スペクトルEDSとの内積を実行することによってS個の内積値Pを求める。すなわち、1つの成分検量用スペクトルCSrnに対して、S個の内積値Pがそれぞれ算出される。
ステップS250では、R×N個の成分検量用スペクトルCSrnのそれぞれに関して、S個の第2サンプルにおける目的成分の既知の成分量Cと、その成分検量用スペクトルCSrnについて算出されたS個の内積値Pとの相関度CDrnを求める。図7の右端には、個々の成分検量用スペクトルCSrnに関して、内積値Pと目的成分の成分量Cとの関係をプロットしたグラフが描かれている。相関度CDrnとしては、例えば相関係数を使用可能である。
ステップS260では、R×N個の成分検量用スペクトルCSrnの中から相関度CDrnが最高となる1つの成分検量用スペクトルCSrnを、目的成分に対応する目的成分検量用スペクトルとして選択する。図7の例では、成分検量用スペクトルCS11の相関度CD11が最大なので、この成分検量用スペクトルCS11が目的成分検量用スペクトルとして選択されている。
ステップS270では、こうして選択された目的成分検量用スペクトルCS11を用いて、S個の評価用スペクトルEDSと目的成分検量用スペクトルCS11との内積で得られるS個の内積値Pと、S個の第2サンプルにおける目的成分の既知の成分量Cとの関係を示す単回帰式C=uP+v(図2参照)を検量線として作成する。なお、目的成分検量用スペクトルCS11に関するS個の内積値Pは、ステップS240で既に求められているので、ステップS270ではこれらのS個の内積値Pをそのまま利用可能である。
以上のように、本実施形態では、各サンプルにおけるN個の成分の成分量を独立成分とする独立成分分析を実行するので、複数の成分に由来する光学スペクトルが互いに独立でない場合にも、独立成分分析を精度良く行い、目的成分の検量を精度良く行うことが可能である。本実施形態では、更に、Q個の光学スペクトルOSの集合から複数の部分集合PArを抽出し、各部分集合PArのそれぞれに対して成分量を独立成分と見なす独立成分分析を実行している。こうすれば、Q個の光学スペクトルOSの集合全体における成分量分布がガウス的であるなどの独立性の不足がある場合にも、幾つかの部分集合PArでは成分量分布がより非ガウス的になって独立性が改善されるので、目的成分検量用スペクトルを精度良く求めることが可能である。この結果、検量をより精度良く行うことが可能となる。
E. 実施例:
<サンプルの作成>
実施例では、目的成分としてのグルコースと他の成分としてのアルブミン及び水の混合物である水溶液を第1サンプル及び第2サンプルとした。具体的には、光学スペクトルOSを取得するための第1サンプルは、純水に、グルコースを50〜400mg/dL、アルブミンを4000〜5000mg/dLの濃度範囲で混合した水溶液である。ここで、グルコースとアルブミンの成分量(濃度)は、設定範囲の中心を平均値とし、設定範囲が3σに収まるような正規分布に従うランダムな値で決定された濃度に設定した。すなわち、第1サンプルの全体は、そのままでは精度の良い独立成分分析が実行できないことが予想されるものとした。第1サンプルの数Qは、5000個とした。
<サンプルの作成>
実施例では、目的成分としてのグルコースと他の成分としてのアルブミン及び水の混合物である水溶液を第1サンプル及び第2サンプルとした。具体的には、光学スペクトルOSを取得するための第1サンプルは、純水に、グルコースを50〜400mg/dL、アルブミンを4000〜5000mg/dLの濃度範囲で混合した水溶液である。ここで、グルコースとアルブミンの成分量(濃度)は、設定範囲の中心を平均値とし、設定範囲が3σに収まるような正規分布に従うランダムな値で決定された濃度に設定した。すなわち、第1サンプルの全体は、そのままでは精度の良い独立成分分析が実行できないことが予想されるものとした。第1サンプルの数Qは、5000個とした。
評価用データEDを取得するための第2サンプルも、第1サンプルと同様に、純水に、グルコースを50〜400mg/dL、アルブミンを4000〜5000mg/dLの濃度範囲で混合した水溶液である。但し、第2サンプルは、グルコース濃度の真値を化学分析で測定して既知とした水溶液である。実施例では、第2サンプルの数Sは10個とした。
<光学スペクトルOS等の取得(図6のステップS210)>
上述した図6及び図7の手順に従って、第1サンプルから光学スペクトルOSを取得し、また、第2サンプルから評価用データEDを取得した。まず、5000個の第1サンプルについて、1100〜1300nmの近赤外波長領域を含む分光測定を行い、5000個の測定スペクトルを取得し、これに前処理を行って光学スペクトルOSとした。同様に、目的成分であるグルコースの濃度が既知である10個の第2サンプルについて、評価用スペクトルEDSを取得した。
上述した図6及び図7の手順に従って、第1サンプルから光学スペクトルOSを取得し、また、第2サンプルから評価用データEDを取得した。まず、5000個の第1サンプルについて、1100〜1300nmの近赤外波長領域を含む分光測定を行い、5000個の測定スペクトルを取得し、これに前処理を行って光学スペクトルOSとした。同様に、目的成分であるグルコースの濃度が既知である10個の第2サンプルについて、評価用スペクトルEDSを取得した。
<部分集合の抽出(ステップS220)>
次に、5000個の光学スペクトルOSの集合から、ランダムに500個の互いに異なる光学スペクトルOSを選び出し、10000個の部分集合PArを作成した。すなわち、部分集合PArの数Rは10000個に設定し、各部分集合PArを構成する光学スペクトルOSの数Mは500個とした。ここで5000個から500個を選び出す組み合わせは5000C500=1.52×10704通りあるので、10000個の部分集合PArはそのうちのごく一部である。
次に、5000個の光学スペクトルOSの集合から、ランダムに500個の互いに異なる光学スペクトルOSを選び出し、10000個の部分集合PArを作成した。すなわち、部分集合PArの数Rは10000個に設定し、各部分集合PArを構成する光学スペクトルOSの数Mは500個とした。ここで5000個から500個を選び出す組み合わせは5000C500=1.52×10704通りあるので、10000個の部分集合PArはそのうちのごく一部である。
<部分集合に対する独立成分分析(ステップS230)>
次に、10000個の部分集合PArに対して、成分量を独立成分と見なす独立成分分析を実施し、それぞれ3個の成分に対応する3個の成分検量用スペクトルCSrn(r=1〜10000,n=1〜3)を求めた。すなわち、全体として30000個の成分検量用スペクトルCSrnを得た。
次に、10000個の部分集合PArに対して、成分量を独立成分と見なす独立成分分析を実施し、それぞれ3個の成分に対応する3個の成分検量用スペクトルCSrn(r=1〜10000,n=1〜3)を求めた。すなわち、全体として30000個の成分検量用スペクトルCSrnを得た。
<内積値の算出(ステップS240)>
各成分検量用スペクトルCSrnに関して、10個の評価用スペクトルEDSとの内積を算出して、10個の内積値Pを得た。
各成分検量用スペクトルCSrnに関して、10個の評価用スペクトルEDSとの内積を算出して、10個の内積値Pを得た。
<相関度の算出及び目的成分検量用スペクトルの選択(ステップS250〜S260)>
各成分検量用スペクトルCSrnに関する10個の内積値Pと、第2サンプルのグルコースの既知の成分量C(グルコース濃度)から、内積値Pと成分量Cの相関度CDrn(相関係数)を、成分検量用スペクトルCSrnの評価指標として計算した。そして、相関度CDrnが最大である成分検量用スペクトルCSrnを,グルコース(目的成分)に対応する最適な目的成分検量用スペクトルとして選択した。
各成分検量用スペクトルCSrnに関する10個の内積値Pと、第2サンプルのグルコースの既知の成分量C(グルコース濃度)から、内積値Pと成分量Cの相関度CDrn(相関係数)を、成分検量用スペクトルCSrnの評価指標として計算した。そして、相関度CDrnが最大である成分検量用スペクトルCSrnを,グルコース(目的成分)に対応する最適な目的成分検量用スペクトルとして選択した。
<検量用データの作成(ステップS270)>
選択された目的成分検量用スペクトルを用い、10個の評価用スペクトルEDSと目的成分検量用スペクトルとの内積で得られる10個の内積値Pと、10個の第2サンプルにおける目的成分の既知の成分量Cとの関係を示す単回帰式C=uP+vを検量線として作成した。
選択された目的成分検量用スペクトルを用い、10個の評価用スペクトルEDSと目的成分検量用スペクトルとの内積で得られる10個の内積値Pと、10個の第2サンプルにおける目的成分の既知の成分量Cとの関係を示す単回帰式C=uP+vを検量線として作成した。
比較例では、図6のステップS220の処理(部分集合の抽出)を行わず、ステップS230で5000個の光学スペクトルOSの集合全体に対して、成分量を独立成分と見なす独立成分分析を実施して、3個の成分検量用スペクトルCSを決定した。ステップS240以降は、上述した実施例と同様の処理を行った。
図8は、5000個の第1サンプルについてのグルコースとアルブミンの濃度分布を示すグラフである。また、図9は、比較例における検量精度を示すグラフであり、横軸がグルコース濃度の真値を示し、縦軸が検量値を示す。比較例では、グルコース濃度の検量精度SEPは51.5mg/dLであり、また、グルコース濃度の検量値と真値の相関係数Corrは0.744であった。図9から理解できるように、検量値と真値との分布が大きく広がり、検量精度が悪いことがわかる。
図10は、実施例において得られた30000個の成分検量用スペクトルCSrnについて得られた検量精度と、検量値と真値の相関係数と、の関係を示すグラフである。この結果によれば、検量値と真値の相関係数が大きいほど、検量精度も良好であることが理解できる。
図11は、実施例における最適な部分集合PArに対応する500個のサンプルついて、グルコースとアルブミンの濃度分布を示すグラフである。また、図12は、実施例の最適な部分集合PArで得られた検量精度を示すグラフである。実施例では、グルコース濃度の検量精度SEPは0.58mg/dLであり、また、グルコース濃度の検量値と真値の相関係数Corrは1.000であり、いずれも比較例に比べて良好な結果であった。従って、上述した実施形態の方法によって、精度良く独立成分分析を行うことができ、また、目的成分としてのグルコースの検量を精度良く行うことができることを確認した。
F. 変形例:
本発明は上述した実施形態やその変形例に限られるものではなく、その要旨を逸脱しない範囲において種々の態様において実施することが可能であり、例えば次のような変形も可能である。
本発明は上述した実施形態やその変形例に限られるものではなく、その要旨を逸脱しない範囲において種々の態様において実施することが可能であり、例えば次のような変形も可能である。
・変形例1:
上述した実施形態及び実施例では、主に、グルコースを含有する水溶液をサンプルとした場合を説明したが、本発明は、これ以外のサンプルとする場合にも適用可能である。例えば、塩分を含有する液体、脂質またはアルブミン等の蛋白質またはアルコールを含有する液体をサンプルとする場合にも適用可能である。さらには、生体(ヒト)や、音声、画像等の他の対象物をサンプルとする独立成分分析にも本発明を適用することができる。生体を対象とする場合、生体における中性脂肪またはアルコールまたは血液内のグルコースを目的成分として本発明を適用することが可能である。分光スペクトル以外のデータや信号を独立成分分析の対象とする場合には、「分光スペクトル」という語句を、例えば、「観測データ」や「対象データ」等の他の語句に置き換えることができる。
上述した実施形態及び実施例では、主に、グルコースを含有する水溶液をサンプルとした場合を説明したが、本発明は、これ以外のサンプルとする場合にも適用可能である。例えば、塩分を含有する液体、脂質またはアルブミン等の蛋白質またはアルコールを含有する液体をサンプルとする場合にも適用可能である。さらには、生体(ヒト)や、音声、画像等の他の対象物をサンプルとする独立成分分析にも本発明を適用することができる。生体を対象とする場合、生体における中性脂肪またはアルコールまたは血液内のグルコースを目的成分として本発明を適用することが可能である。分光スペクトル以外のデータや信号を独立成分分析の対象とする場合には、「分光スペクトル」という語句を、例えば、「観測データ」や「対象データ」等の他の語句に置き換えることができる。
・変形例2:
本発明を適用できる装置としては、光学的に中赤外分光または近赤外分光またはラマン分光方式の分光計測データから成分濃度を推定する装置にも適用可能である。さらに、本発明は、光学式タンパク質濃度計、光学式中性脂肪濃度計、光学式血糖値計、光学式塩分濃度計、光学式アルコール濃度計のいずれかの装置にも適用可能である。
本発明を適用できる装置としては、光学的に中赤外分光または近赤外分光またはラマン分光方式の分光計測データから成分濃度を推定する装置にも適用可能である。さらに、本発明は、光学式タンパク質濃度計、光学式中性脂肪濃度計、光学式血糖値計、光学式塩分濃度計、光学式アルコール濃度計のいずれかの装置にも適用可能である。
100…検量装置,110…検量用データ取得部,120…光学スペクトル取得部,130…内積値算出部,140…成分量算出部,150…表示部,200…測定器
Claims (4)
- 被検体における目的成分の成分量を求める検量装置であって、
前記被検体の分光測定によって得られる光学スペクトルを取得する光学スペクトル取得部と、
前記目的成分に対応する目的成分検量用スペクトルと、検量線を表す単回帰式と、含む検量用データを取得する検量用データ取得部と、
前記被検体について取得された前記光学スペクトルと前記目的成分検量用スペクトルとの内積値を計算する内積値算出部と、
前記内積値と前記目的成分の成分量との関係を示す前記単回帰式を使用し、前記内積値算出部によって求められた内積値に対応する前記目的成分の成分量を算出する成分量算出部と、
を備え、
前記検量用データ取得部は、
(a)前記目的成分を含むN個(Nは1以上の整数)の成分をそれぞれ含有するQ個(Qは3以上の整数)の第1サンプルを分光測定して得られたQ個の光学スペクトルと、前記目的成分の成分量が既知であるS個(Sは3以上の整数)の第2サンプルを分光測定して得られたS個の評価用スペクトルと、を取得する処理と、
(b)前記Q個の光学スペクトルの集合からR個(Rは2以上の整数)の部分集合を抽出する処理と、
(c)前記R個の部分集合のそれぞれに対して、各サンプルにおける前記N個の成分の成分量を独立成分とする独立成分分析を実行することによって、前記N個の成分に対応するN個の成分検量用スペクトルを決定して、合計でR×N個の成分検量用スペクトルを取得する処理と、
(d)前記R×N個の成分検量用スペクトルのそれぞれに関して、前記S個の評価用スペクトルとの内積を実行することによってS個の内積値を求める処理と、
(e)前記R×N個の成分検量用スペクトルのそれぞれに関して、前記S個の第2サンプルにおける前記目的成分の成分量と前記S個の内積値との相関度を求め、前記R×N個の成分検量用スペクトルの中から前記相関度が最高となるような成分検量用スペクトルを前記目的成分検量用スペクトルとする処理と、
(f)前記S個の評価用スペクトルと前記目的成分検量用スペクトルとの内積で得られる内積値と、前記S個の第2サンプルに含有される前記目的成分の成分量との関係を示す単回帰式を前記検量線として作成する処理と、
を実行する、検量装置。 - 請求項1記載の検量装置であって、
前記検量用データ取得部は、前記処理(c)において、
(1)前記各サンプルに対する分光測定で得られた光学スペクトルを列ベクトルとする光学スペクトル行列Xを、前記各サンプルに含有される前記N個の成分のうちの個々の成分に由来する未知の成分固有スペクトルを列ベクトルとする成分固有スペクトル行列Yと、前記各サンプルにおける前記N個の成分の未知の成分量を列ベクトルとする成分量行列Wと、の積に等しいとする式X=YWを使用し、前記成分量行列Wを構成する個々の列ベクトルをそれぞれ独立成分と見なして独立成分分析を実行することによって、前記成分量行列Wと前記成分固有スペクトル行列Yとを決定し、
(2)前記独立成分分析によって決定された前記成分固有スペクトル行列Yの一般化逆行列Y†における前記N個の成分のそれぞれに対応する逆行列行ベクトルを、各成分に対応する前記成分検量用スペクトルとして採用する、
検量装置。 - 被検体に含有される目的成分の成分量を求めるために使用する検量線を作成する検量線作成方法であって、
(a)前記目的成分を含むN個(Nは1以上の整数)の成分をそれぞれ含有するQ個(Qは3以上の整数)の第1サンプルを分光測定して得られたQ個の光学スペクトルと、前記目的成分の成分量が既知であるS個(Sは3以上の整数)の第2サンプルを分光測定して得られたS個の評価用スペクトルと、を取得する工程と、
(b)前記Q個の光学スペクトルの集合からR個(Rは2以上の整数)の部分集合を抽出する工程と、
(c)前記R個の部分集合のそれぞれに対して、各サンプルにおける前記N個の成分の成分量を独立成分とする独立成分分析を実行することによって、前記N個の成分に由来するN個の成分検量用スペクトルを決定して、合計でR×N個の成分検量用スペクトルを取得する工程と、
(d)前記R×N個の成分検量用スペクトルのそれぞれに関して、前記S個の評価用スペクトルとの内積を実行することによってS個の内積値を求める工程と、
(e)前記R×N個の成分検量用スペクトルのそれぞれに関して、前記S個の第2サンプルにおける前記目的成分の成分量と前記S個の内積値との相関度を求め、前記R×N個の成分検量用スペクトルの中から前記相関度が最高となるような成分検量用スペクトルを目的成分検量用スペクトルとする工程と、
(f)前記S個の評価用スペクトルと前記目的成分検量用スペクトルとの内積で得られる内積値と、前記S個の第2サンプルに含有される前記目的成分の成分量との関係を示す単回帰式を前記検量線として作成する工程と、
を備える検量線作成方法。 - 複数のサンプルを分光測定して得られた複数の光学スペクトルから、各サンプルに含有される複数の成分に対応する成分検量用スペクトルを決定する独立成分分析方法であって、
(1)前記複数のサンプルに対する分光測定で得られた複数の光学スペクトルの集合から、それぞれ2個以上の光学スペクトルを含む複数の部分集合を抽出する工程と、
(2)前記複数の部分集合のそれぞれに対して、各サンプルにおける前記複数の成分の成分量を独立成分とする独立成分分析を実行することによって、前記複数の成分に対応する複数の成分検量用スペクトルを決定する工程と、
を備える独立成分分析方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016186728A JP2018054306A (ja) | 2016-09-26 | 2016-09-26 | 検量装置、検量線作成方法、及び、独立成分分析方法 |
US15/708,516 US10852228B2 (en) | 2016-09-26 | 2017-09-19 | Calibration apparatus, calibration curve creation method, and independent component analysis method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016186728A JP2018054306A (ja) | 2016-09-26 | 2016-09-26 | 検量装置、検量線作成方法、及び、独立成分分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2018054306A true JP2018054306A (ja) | 2018-04-05 |
Family
ID=61686080
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016186728A Pending JP2018054306A (ja) | 2016-09-26 | 2016-09-26 | 検量装置、検量線作成方法、及び、独立成分分析方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10852228B2 (ja) |
JP (1) | JP2018054306A (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018054304A (ja) * | 2016-09-26 | 2018-04-05 | セイコーエプソン株式会社 | 検量装置、及び、検量線作成方法 |
Family Cites Families (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
MY107458A (en) | 1990-10-12 | 1995-12-30 | Exxon Res & Engineering Company | Special data measurement and correction |
JP2003042948A (ja) | 2001-08-03 | 2003-02-13 | Univ Waseda | グルコース濃度測定装置 |
US7136518B2 (en) | 2003-04-18 | 2006-11-14 | Medispectra, Inc. | Methods and apparatus for displaying diagnostic data |
US20060013454A1 (en) | 2003-04-18 | 2006-01-19 | Medispectra, Inc. | Systems for identifying, displaying, marking, and treating suspect regions of tissue |
US7072770B1 (en) * | 2004-03-29 | 2006-07-04 | Chemimage Corporation | Method for identifying components of a mixture via spectral analysis |
JP4656304B2 (ja) | 2005-03-30 | 2011-03-23 | 花王株式会社 | 肌の酸素飽和度計測システム |
JP5887961B2 (ja) | 2011-07-12 | 2016-03-16 | セイコーエプソン株式会社 | 検量線作成方法、検量線作成装置、目的成分検量装置、およびコンピュータープログラム |
US9810704B2 (en) | 2013-02-18 | 2017-11-07 | Theranos, Inc. | Systems and methods for multi-analysis |
JP5884526B2 (ja) | 2012-02-03 | 2016-03-15 | セイコーエプソン株式会社 | 検量線作成方法およびその装置、並びに目的成分検量装置 |
JP5884525B2 (ja) | 2012-02-03 | 2016-03-15 | セイコーエプソン株式会社 | 検量線作成方法およびその装置、並びに目的成分検量装置 |
JP5884524B2 (ja) | 2012-02-03 | 2016-03-15 | セイコーエプソン株式会社 | 検量線作成方法およびその装置、並びに目的成分検量装置 |
US20160054343A1 (en) | 2013-02-18 | 2016-02-25 | Theranos, Inc. | Systems and methods for multi-analysis |
JP6155746B2 (ja) | 2013-03-27 | 2017-07-05 | セイコーエプソン株式会社 | 検量線作成方法および検量線作成装置、並びに目的成分検量装置 |
AU2014262134B2 (en) * | 2013-05-03 | 2019-09-26 | Commonwealth Scientific And Industrial Research Organisation | Image clustering for estimation of illumination spectra |
JP6326732B2 (ja) | 2013-07-18 | 2018-05-23 | セイコーエプソン株式会社 | 検量線作成方法およびその装置、並びに血液成分検量装置 |
JP6273705B2 (ja) * | 2013-07-18 | 2018-02-07 | セイコーエプソン株式会社 | 検量線作成方法および検量線作成装置 |
JP2016065803A (ja) | 2014-09-25 | 2016-04-28 | セイコーエプソン株式会社 | 検量線作成方法及び装置、目的成分検量方法及び装置、並びに、電子機器 |
JP2016075522A (ja) | 2014-10-03 | 2016-05-12 | セイコーエプソン株式会社 | 目的成分検量装置及び電子機器 |
JP2016075588A (ja) | 2014-10-07 | 2016-05-12 | セイコーエプソン株式会社 | 信号検出方法、検量線作成方法、濃度測定方法および信号検出装置 |
JP2016075625A (ja) | 2014-10-08 | 2016-05-12 | セイコーエプソン株式会社 | 検量線作成装置、目的成分検量装置、及び、電子機器 |
JP2016075624A (ja) | 2014-10-08 | 2016-05-12 | セイコーエプソン株式会社 | 検量線作成方法及び装置、目的成分検量方法及び装置、並びに、電子機器 |
US10295342B2 (en) * | 2015-08-14 | 2019-05-21 | Kla-Tencor Corporation | System, method and computer program product for calibration of metrology tools |
JP2018054305A (ja) | 2016-09-26 | 2018-04-05 | セイコーエプソン株式会社 | 検量装置、及び、検量線作成方法 |
JP6862737B2 (ja) | 2016-09-26 | 2021-04-21 | セイコーエプソン株式会社 | 検量装置、検量線作成方法、及び、独立成分分析方法 |
JP2018054304A (ja) | 2016-09-26 | 2018-04-05 | セイコーエプソン株式会社 | 検量装置、及び、検量線作成方法 |
-
2016
- 2016-09-26 JP JP2016186728A patent/JP2018054306A/ja active Pending
-
2017
- 2017-09-19 US US15/708,516 patent/US10852228B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US20180088032A1 (en) | 2018-03-29 |
US10852228B2 (en) | 2020-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kamruzzaman et al. | Non-destructive prediction and visualization of chemical composition in lamb meat using NIR hyperspectral imaging and multivariate regression | |
JP5887961B2 (ja) | 検量線作成方法、検量線作成装置、目的成分検量装置、およびコンピュータープログラム | |
Xu et al. | Rapid prediction and visualization of moisture content in single cucumber (Cucumis sativus L.) seed using hyperspectral imaging technology | |
EP2784484B1 (en) | Optimized calibration method for determining the content of chlorophyll using pre-processing and independent component analysis | |
JP7049995B2 (ja) | 有機化合物分析装置、抗体分析装置、抗体分析方法、及び、抗体分析装置用プログラム | |
Nicolaï et al. | Nondestructive evaluation: Detection of external and internal attributes frequently associated with quality and damage | |
US9921201B2 (en) | Calibration curve creating method and calibration curve creation apparatus | |
EP3032430A1 (en) | Target component calibration device, electronic device, and target component calibration method | |
JP2016075625A (ja) | 検量線作成装置、目的成分検量装置、及び、電子機器 | |
US10565474B2 (en) | Data processing apparatus, data display system, sample data obtaining system, method for processing data, and computer-readable storage medium | |
CN111044483A (zh) | 一种基于近红外光谱的奶油中色素测定方法、系统和介质 | |
JPH11510604A (ja) | ディスタンス・アウトライア検知を使用した生物学的流体分析 | |
WO2020105566A1 (ja) | 情報処理装置、情報処理装置の制御方法、プログラム、算出装置、及び算出方法 | |
JP2013160574A (ja) | 検量線作成方法およびその装置、並びに目的成分検量装置 | |
JP2018054305A (ja) | 検量装置、及び、検量線作成方法 | |
JP6862737B2 (ja) | 検量装置、検量線作成方法、及び、独立成分分析方法 | |
JP2018054306A (ja) | 検量装置、検量線作成方法、及び、独立成分分析方法 | |
JP2018054304A (ja) | 検量装置、及び、検量線作成方法 | |
JP2018132463A (ja) | 検量装置及び検量線作成方法 | |
US11300518B2 (en) | Method for determining a degree of polymerisation of a polymer | |
Šašić et al. | Comparison of principal component analysis and generalized two-dimensional correlation spectroscopy: spectral analysis of synthetic model system and near-infrared spectra of milk | |
JP2018132462A (ja) | 検量装置及び検量線作成方法 | |
Engelsen et al. | Quantitative analysis of time domain NMR relaxation data | |
WO2018001702A1 (en) | Machine learning-based quantitative photoacoustic tomography (pat) | |
KR102574085B1 (ko) | 혈당 농도를 예측하는 장치 및 방법 |