JP2019158868A - 特性評価方法、装置およびプログラム - Google Patents
特性評価方法、装置およびプログラム Download PDFInfo
- Publication number
- JP2019158868A JP2019158868A JP2019010627A JP2019010627A JP2019158868A JP 2019158868 A JP2019158868 A JP 2019158868A JP 2019010627 A JP2019010627 A JP 2019010627A JP 2019010627 A JP2019010627 A JP 2019010627A JP 2019158868 A JP2019158868 A JP 2019158868A
- Authority
- JP
- Japan
- Prior art keywords
- biological sample
- spectrogram
- fid signal
- frequency
- data
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 41
- 239000012472 biological sample Substances 0.000 claims abstract description 146
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 31
- 238000004458 analytical method Methods 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 28
- 239000000523 sample Substances 0.000 claims description 43
- XLYOFNOQVPJJNP-ZSJDYOACSA-N Heavy water Chemical compound [2H]O[2H] XLYOFNOQVPJJNP-ZSJDYOACSA-N 0.000 claims description 30
- 238000004364 calculation method Methods 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 230000009467 reduction Effects 0.000 abstract description 3
- 238000005481 NMR spectroscopy Methods 0.000 description 48
- 206010028980 Neoplasm Diseases 0.000 description 26
- 201000011510 cancer Diseases 0.000 description 26
- 238000012360 testing method Methods 0.000 description 26
- 238000000491 multivariate analysis Methods 0.000 description 24
- 210000002966 serum Anatomy 0.000 description 22
- 206010006187 Breast cancer Diseases 0.000 description 20
- 208000026310 Breast neoplasm Diseases 0.000 description 20
- 238000010586 diagram Methods 0.000 description 20
- 208000003174 Brain Neoplasms Diseases 0.000 description 18
- 206010061902 Pancreatic neoplasm Diseases 0.000 description 13
- 208000015486 malignant pancreatic neoplasm Diseases 0.000 description 13
- 201000002528 pancreatic cancer Diseases 0.000 description 13
- 208000008443 pancreatic carcinoma Diseases 0.000 description 13
- 208000032612 Glial tumor Diseases 0.000 description 12
- 206010018338 Glioma Diseases 0.000 description 12
- 208000007433 Lymphatic Metastasis Diseases 0.000 description 11
- 208000024827 Alzheimer disease Diseases 0.000 description 10
- 206010064930 age-related macular degeneration Diseases 0.000 description 8
- 239000002131 composite material Substances 0.000 description 8
- 208000002780 macular degeneration Diseases 0.000 description 8
- 208000014644 Brain disease Diseases 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 6
- 102000015694 estrogen receptors Human genes 0.000 description 6
- 108010038795 estrogen receptors Proteins 0.000 description 6
- 238000000605 extraction Methods 0.000 description 6
- 239000012530 fluid Substances 0.000 description 6
- 230000003993 interaction Effects 0.000 description 6
- 239000000126 substance Substances 0.000 description 6
- 206010012289 Dementia Diseases 0.000 description 5
- 210000001124 body fluid Anatomy 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 210000001519 tissue Anatomy 0.000 description 5
- 208000010412 Glaucoma Diseases 0.000 description 4
- 239000010839 body fluid Substances 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 206010003571 Astrocytoma Diseases 0.000 description 3
- 206010063381 Polypoidal choroidal vasculopathy Diseases 0.000 description 3
- 229920001222 biopolymer Polymers 0.000 description 3
- 230000004410 intraocular pressure Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 208000021994 Diffuse astrocytoma Diseases 0.000 description 2
- 101150029707 ERBB2 gene Proteins 0.000 description 2
- 208000032843 Hemorrhage Diseases 0.000 description 2
- 241001136634 Iris collettii Species 0.000 description 2
- 201000010133 Oligodendroglioma Diseases 0.000 description 2
- 206010002224 anaplastic astrocytoma Diseases 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000000331 delays alternating with nutation for tailored excitation Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 208000030533 eye disease Diseases 0.000 description 2
- 201000001169 fibrillary astrocytoma Diseases 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 206010027191 meningioma Diseases 0.000 description 2
- 230000001613 neoplastic effect Effects 0.000 description 2
- 208000007538 neurilemmoma Diseases 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 206010039667 schwannoma Diseases 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000005160 1H NMR spectroscopy Methods 0.000 description 1
- 206010018341 Gliosis Diseases 0.000 description 1
- 101001012157 Homo sapiens Receptor tyrosine-protein kinase erbB-2 Proteins 0.000 description 1
- 208000009433 Moyamoya Disease Diseases 0.000 description 1
- 102100030086 Receptor tyrosine-protein kinase erbB-2 Human genes 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 210000001742 aqueous humor Anatomy 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 235000009120 camo Nutrition 0.000 description 1
- 230000010261 cell growth Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 201000010103 fibrous dysplasia Diseases 0.000 description 1
- 230000007387 gliosis Effects 0.000 description 1
- 108091008039 hormone receptors Proteins 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 210000002751 lymph Anatomy 0.000 description 1
- 229920002521 macromolecule Polymers 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000004899 motility Effects 0.000 description 1
- 230000004493 normal intraocular pressure Effects 0.000 description 1
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 description 1
- 206010073131 oligoastrocytoma Diseases 0.000 description 1
- 210000004248 oligodendroglia Anatomy 0.000 description 1
- 210000003733 optic disk Anatomy 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 238000000358 protein NMR Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 150000003384 small molecules Chemical class 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
Abstract
Description
運動性の異なる原子核由来のNMR信号は異なる減衰時間を有する。したがって、NMR信号に含まれる周波数および時間に伴う信号強度情報の両方を活用すれば、試料に特有の情報を識別することができる。本発明では、生体試料(生体から採取された液体試料)に由来するFID信号を取得し、取得されたFID信号のスペクトログラムを算出し、算出されたスペクトログラムによって生体試料の特性を評価する。これにより、生体試料の構造および機能に関して特性を高精度で評価できる。
(2−1.特性評価システム)
図1(a)、(b)は、それぞれ特性評価システム10の構成を示す概略図および特性評価装置100の構成を示すブロック図である。図1(a)に示すように、特性評価システム10は、NMR装置50および特性評価装置100で構成されている。NMR装置50は、原子核を磁場の中に入れて核スピンの共鳴現象を観測することで、物質の分子構造を原子レベルで解析するための装置である。特性評価装置100は、例えばPCであり、プログラムを実行できるメモリおよびプロセッサを備えている。
NMR装置50は、磁石51、サンプル管55およびプローブ57を備えている。磁石51は、永久磁石、電磁石または超伝導磁石で構成され、空間的に均一かつ時間変動のない高安定度な磁場を発生させる。サンプル管55は、試料を保持する管である。プローブ57は一体型で構成され、プローブ57内には、試料が入っている部分が磁石51の磁場の中心部に位置するように、サンプル管55の支持部が磁石内に設けられている。そして、サンプル管55の外側に送信コイル、受信コイルが設けられている。プローブ57は、高周波発振器に接続され、パルスを発信することで試料を励起し、FID信号を検出する。
図1(b)は、特性評価装置100の構成を示すブロック図である。図1(b)に示すように、特性評価装置100は、入力部110、データ格納部120、スペクトログラム算出部130、スペクトログラム抽出部140、変換部150、パラメータ管理部160、属性識別部170および出力部180を備えており、生体試料からのFID信号を解析し、生体試料の特性を評価できる。また、後述のように生体試料の属性を識別することも可能になっている。
上記の特性評価システム10を用いて、生体試料の特性を評価する方法を説明する。図2は、特性評価方法を示すフローチャートである。図2のステップS101〜S105に示すように、生体試料の特性評価は、試料の準備、NMR装置の設定、NMR測定およびデータの解析(スペクトログラムデータの算出および特性の評価)の手順で行なうことができる。
まず、被検体から純粋な生体試料(純粋試料)を採取して生体試料を準備する。工数を省く観点から生体試料は、被検体から採取された純粋試料そのものであることが好ましいが、純粋試料に重水を混合して純粋試料の体積濃度が0.5%以上100%未満に調整された試料であってもよい。このように濃度を0.5%以上にするため、物質間の距離が離れすぎず、相互作用を検出できる。
得られた生体試料を重水素化水(重水)と混合し、サンプル管55に注入し、NMR装置50に設置する。そして、生体試料内に存在する軽水のうちの自由水に由来するプロトンの共鳴周波数を観測中心としてNMR装置50を設定する。生体試料にかける磁場を固定してパルスを発信し、生体試料に由来するFID信号(観測信号)を取得する(1H−NMR計測)。このようにして取得された生体試料に由来するFID信号は、そのままの形(すなわち、RAW形式)で保存できる。
上記のようにして得られたFID信号は、特性評価装置100により解析できる。FID信号は特性評価装置100に入力され、格納される。そして、特性評価装置100は、生体試料から得られた各FID信号の一つを特定し、特定されたFID信号を読み出して時間周波数解析する。
属性が不明な被検生体試料の属性の識別は、被検生体試料についてのスペクトログラムと、既知生体試料についてのスペクトログラムまたはこれに基づく指標とを比較することで行なうことができる。
(実施例1(アルツハイマー型認知症))
アルツハイマー型認知症の患者および健常高齢者の属性識別が可能かの検証を行なった。まず、生体試料としてアルツハイマー型認知症の患者および健常高齢者のそれぞれから採取した血清600μLをそのまま(濃度100%)用いた。この血清を5mm径ガラス製NMRサンプル管に入れ、NMR装置(ECX300型、日本電子製)を用いて、一次元 proton(1H) NMRの測定を行なった。健常高齢者7つ、アルツハイマー型認知症患者7つで合計14のサンプルを用いた。
非膵がん患者と膵がん患者との属性識別が可能かの検証を行なった。まず、生体試料として非膵がん患者および膵がん患者のそれぞれから採取した血清に重水を加え、濃度16.7%の生体試料を準備した。これを用いそれぞれ上記の例と同様にNMR測定、スペクトログラムの算出および多変量解析によるスコアプロットを行なった。スペクトログラムの算出は、周波数分解能43.6Hzで行なった。非膵がん患者7つ、膵がん患者7つで合計14のサンプルを用いた。図9は、非膵がんvs膵がんのスコアプロットを示す図である。非膵がん患者のスコアは、座標の右側、膵がん患者のスコアは、座標の左側にプロットされ、属性を識別できることが実証された。
非乳がん患者と乳がん患者との属性識別が可能かの検証を行なった。まず、生体試料として非乳がん患者および乳がん患者のそれぞれから採取した血清に重水を加え、濃度16.7%の生体試料を準備した。それぞれ上記の例と同様にNMR測定、スペクトログラムの算出および多変量解析によるスコアプロットを行なった。非乳がん患者7つ、乳がん患者7つで合計14のサンプルを用いた。スペクトログラムの算出は、周波数分解能43.6Hzで行なった。図10は、非乳がんvs乳がんのスコアプロットを示す図である。非乳がん患者のスコアは、座標の右側、乳がん患者のスコアは、座標の左側にプロットされ、属性を識別できることが実証された。
乳がん患者のうち非浸潤がん患者と浸潤がん患者との属性識別が可能かの検証を行なった。まず、生体試料として非浸潤がん患者および浸潤がん患者のそれぞれから採取した血清に重水を加え、濃度16.7%の生体試料を準備した。これを用いそれぞれ上記の例と同様にNMR測定、スペクトログラムの算出および多変量解析によるスコアプロットを行なった。非浸潤がん患者8つ、浸潤がん患者8つで合計16のサンプルを用いた。スペクトログラムの算出は、周波数分解能43.6Hzで行なった。図11は、非浸潤がんvs浸潤がんのスコアプロットを示す図である。非浸潤がん患者のスコアは、座標の左下側、浸潤がん患者のスコアは、座標の右上側にプロットされ、属性を識別できることが実証された。
乳がん患者のうちリンパ節転移ありの患者とリンパ節転移なしの患者の属性識別が可能かの検証を行なった。まず、生体試料としてリンパ節転移ありの患者およびリンパ節転移なしの患者のそれぞれから採取した血清に重水を加え、濃度16.7%の生体試料を準備した。これを用いそれぞれ上記の例と同様にNMR測定、スペクトログラムの算出および多変量解析によるスコアプロットを行なった。リンパ節転移あり6つ、リンパ節転移なし6つで合計12のサンプルを用いた。スペクトログラムの算出は、周波数分解能43.6Hzで行なった。図12は、リンパ節転移ありvsリンパ節転移なしのスコアプロットを示す図である。リンパ節転移ありのスコアは、座標の右側、リンパ節転移なしのスコアは、座標の左側にプロットされ、属性を識別できることが実証された。
乳がんかつ浸潤がん患者についてがん細胞の増殖に関わるタンパク質のサブタイプ分類で属性識別が可能かの検証を行なった。サブタイプ分類は、ホルモン受容体がエストロゲン受容体[ER]が陽性か陰性か、HER2が陽性か陰性かの組み合わせで4つに分類した。まず、生体試料としてそれぞれの患者から血清を採取して重水を加え、濃度16.7%の生体試料を準備した。これを用いそれぞれ上記の例と同様にNMR測定、スペクトログラムの算出および多変量解析によるスコアプロットを行なった。浸潤がん1(ER+Her2-)5つ、浸
潤がん2(ER+Her2+)4つ、浸潤がん3(ER-Her2+)5つ、浸潤がん4(ER-Her2-)5つの合計19のサンプルを用いた。スペクトログラムの算出は、周波数分解能43.6Hzで行なった。
眼病のうち、加齢黄斑変性症(AMD:age-relatedmaculardegeneration)患者とポリープ状脈絡膜血管症(PCV:polypoidalchoroidal vasculopath)患者の属性識別が可能かの検証を行なった。まず、生体試料として患者のそれぞれから採取した前房水に重水を加え、濃度27.8%の生体試料を準備した。これを3mm径ガラス製NMRサンプル管に入れ上記の例と同様にNMR測定、スペクトログラムの算出および多変量解析によるスコアプロットを行なった。加齢黄斑変性症患者6つ、ポリープ状脈絡膜血管症患者6つで合計12のサンプルを用いた。スペクトログラムの算出は、周波数分解能43.6Hzで行なった。図14は、加齢黄斑変性症(AMD)vsポリープ状脈絡膜血管症(PCV)のスコアプロットを示す図である。加齢黄斑変性症(典型AMD)のスコアは、座標の右側、ポリープ状脈絡膜血管症(PCV)のスコアは、座標の左側にプロットされ、属性を識別できることが実証された。
緑内障の患者のうち、Plateau患者とDH患者との属性識別が可能かの検証を行なった。Plateauとは、閉塞隅角機序の1つであるプラトー虹彩形状を有し、眼圧上昇が緑内障発症および進行の主なリスク因子と想定される症例(プラトー虹彩形状群)を指す。DHは、視神経乳頭出血の既往を有し眼圧も経過中常に20mmHg未満の正常眼圧であり、眼圧以外の因子も緑内障発症および進行に関与していると想定される症例(乳頭出血群)を指す。
脳腫瘍患者のうち、神経鞘腫1例、髄膜腫3例からなる非グリオーマ系脳腫瘍の患者と、乏突起膠腫、退形成性星細胞腫、乏突起星細胞腫、びまん性星細胞腫各1例からなるグリオーマ系脳腫瘍の患者の属性識別が可能かの検証を行なった。まず、生体試料として患者のそれぞれから採取した血清に重水を加え、濃度16.7%の生体試料を準備した。これを用いそれぞれ上記の例と同様にNMR測定、スペクトログラムの算出および多変量解析によるスコアプロットを行なった。スペクトログラムの算出は、周波数分解能43.6Hzで行なった。図16は、実施例9で非グリオーマ系脳腫瘍vsグリオーマ系脳腫瘍のスコアプロットを示す図である。非グリオーマ系脳腫瘍の患者のスコアは、座標の左側、グリオーマ系脳腫瘍の患者のスコアは、座標の右側にプロットされ、属性を識別できることが実証された。
脳疾患の患者のうち、非腫瘍性脳疾患の患者と、グリオーマ系脳腫瘍の患者と、非グリオーマ系脳腫瘍の患者の属性識別が可能かの検証を行なった。乏突起膠腫、退形成性星細胞腫、乏突起星細胞腫、びまん性星細胞腫各1例からなるグリオーマ系脳腫瘍4例、神経鞘腫1例、髄膜腫3例からなる非グリオーマ系脳腫瘍4例、もやもや病2例、線維性異形成1例、グリオーシス1例からなる非腫瘍性脳疾患4例の患者から採取した血清を使用した。
50 NMR装置
51 磁石
55 サンプル管
57 プローブ
100 特性評価装置
110 入力部
120 データ格納部
130 スペクトログラム算出部
140 スペクトログラム抽出部
150 変換部
151 多変量解析部
155 スコア算出部
157 識別基準生成部
160 パラメータ管理部
170 属性識別部
180 出力部
Claims (7)
- 生体試料の特性を評価する方法であって、
前記生体試料内に存在する軽水のうちの自由水に由来するプロトンの共鳴周波数を観測中心としてNMR装置を設定するステップと、
前記設定されたNMR装置を用いて前記生体試料に由来するFID信号を取得するステップと、
前記FID信号全体にわたって短時間周波数解析を繰り返すことにより、88Hz以上21Hz以下の周波数分解能でスペクトログラムを算出するステップと、を含むことを特徴とする特性評価方法。 - 事前に前記生体試料を準備するステップをさらに含み、
前記生体試料は、被検体から採取された純粋試料そのもの、または前記純粋試料に重水が混合されることで前記純粋試料の体積濃度が0.5%以上100%未満に調整されたものとして、準備されることを特徴とする請求項1に記載の特性評価方法。 - 前記スペクトログラムにおいて、前記軽水の共鳴周波数を基準として、−1400Hz以上1400Hz以下の範囲内のスペクトログラムデータを抽出するステップと、
前記スペクトログラムデータを用いて、前記生体試料の特性を評価するステップと、をさらに含むことを特徴とする請求項1または請求項2記載の特性評価方法。 - 前記FID信号は、シングルパルス法の応答信号として取得することを特徴とする請求項1から請求項3のいずれかに記載の特性評価方法。
- ダンテパルス法により、前記自由水のプロトンに由来する共鳴信号を抑制することを特徴とする請求項1から請求項4のいずれかに記載の特性評価方法。
- 生体試料の特性を評価する装置であって、
前記生体試料内に存在する軽水のうちの自由水に由来するプロトンの共鳴周波数が観測中心として設定されたNMR装置を用いて取得された前記生体試料に由来するFID信号全体にわたって短時間周波数解析を繰り返すことにより、88Hz以上21Hz以下の周波数分解能でスペクトログラムを算出する算出部と、
前記スペクトログラムにおいて、前記軽水の共鳴周波数を基準として、−1400Hz以上1400Hz以下の範囲内のスペクトログラムデータを抽出する抽出部と、
前記スペクトログラムデータを用いて、前記生体試料の特性を出力する出力部と、を備えることを特徴とする装置。 - 生体試料の特性を評価するプログラムであって、
前記生体試料内に存在する軽水のうちの自由水に由来するプロトンの共鳴周波数が観測中心として設定されたNMR装置を用いて取得された前記生体試料に由来するFID信号全体にわたって短時間周波数解析を繰り返すことにより、88Hz以上21Hz以下の周波数分解能でスペクトログラムを算出する処理と、
前記スペクトログラムにおいて、前記軽水の共鳴周波数を基準として、−1400Hz以上1400Hz以下の範囲内のスペクトログラムデータを抽出する処理と、
前記スペクトログラムデータを用いて、前記生体試料の特性を出力する処理と、をコンピュータに実行させることを特徴とするプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018044540 | 2018-03-12 | ||
JP2018044540 | 2018-03-12 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2019158868A true JP2019158868A (ja) | 2019-09-19 |
Family
ID=67996961
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019010627A Pending JP2019158868A (ja) | 2018-03-12 | 2019-01-24 | 特性評価方法、装置およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2019158868A (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3262846B2 (ja) * | 1992-06-18 | 2002-03-04 | 克昌 小池 | 酸化脂質の確認・測定方法 |
JP2014020831A (ja) * | 2012-07-13 | 2014-02-03 | Kyoto Univ | 混合物試料の属性を識別する方法及び装置 |
JP2015114157A (ja) * | 2013-12-10 | 2015-06-22 | 国立大学法人京都大学 | 混合物試料の特性を表現する方法、混合物試料の特性を評価する方法、混合物試料の属性を識別する方法、及び混合物試料に由来する電磁波信号を処理する方法 |
-
2019
- 2019-01-24 JP JP2019010627A patent/JP2019158868A/ja active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3262846B2 (ja) * | 1992-06-18 | 2002-03-04 | 克昌 小池 | 酸化脂質の確認・測定方法 |
JP2014020831A (ja) * | 2012-07-13 | 2014-02-03 | Kyoto Univ | 混合物試料の属性を識別する方法及び装置 |
JP2015114157A (ja) * | 2013-12-10 | 2015-06-22 | 国立大学法人京都大学 | 混合物試料の特性を表現する方法、混合物試料の特性を評価する方法、混合物試料の属性を識別する方法、及び混合物試料に由来する電磁波信号を処理する方法 |
Non-Patent Citations (1)
Title |
---|
山崎峰雄: "血清NMRデータを用いた新たなアルツハイマー病診断法の開発", DEMENTIA JAPAN, vol. 32, no. 3, JPN6022053056, 2018, pages 496, ISSN: 0004947081 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105096225B (zh) | 辅助疾病诊疗的分析系统、装置及方法 | |
CN105852885B (zh) | 基于改进超限学习机的n400诱发电位测谎方法 | |
Harvey et al. | Factors influencing the discrimination and classification of prostate cancer cell lines by FTIR microspectroscopy | |
CN103857331B (zh) | 用于量化人体中肝脏脂肪的方法和系统 | |
US5318031A (en) | Method and apparatus for determining chemical states of living animal or human tissue using nuclear magnetic resonance | |
Ashinsky et al. | Machine learning classification of OARSI-scored human articular cartilage using magnetic resonance imaging | |
Truong et al. | The potential of the double Debye parameters to discriminate between basal cell carcinoma and normal skin | |
JP2017511473A (ja) | 画像を処理して解析するための検査装置 | |
CN106096571B (zh) | 一种基于emd特征提取和稀疏表示的细胞分类方法 | |
US11373422B2 (en) | Evaluation assistance method, evaluation assistance system, and computer-readable medium | |
Mahdavi et al. | Bioelectrical pathology of the breast; real-time diagnosis of malignancy by clinically calibrated impedance spectroscopy of freshly dissected tissue | |
Saeed et al. | Implementation of fourier transformation with brain cancer and CSF images | |
CN112305006A (zh) | 一种基于核磁共振信号的肿瘤组织标本的识别方法及系统 | |
Lean et al. | Determination of grade and receptor status from the primary breast lesion by magnetic resonance spectroscopy | |
US20150182143A1 (en) | Magnetic resonance imaging device, diagnostic assistance system, and program | |
CN109074432A (zh) | 用于识别和量化异常的方法与设备 | |
JP6281973B2 (ja) | 混合物試料の特性を表現する方法、混合物試料の特性を評価する方法、混合物試料の属性を識別する方法、及び混合物試料に由来する電磁波信号を処理する方法 | |
JP2019158868A (ja) | 特性評価方法、装置およびプログラム | |
WO2019143316A1 (en) | Fluid classification | |
CN102201038A (zh) | 脑瘤p53蛋白表达检测方法 | |
Damayanti et al. | Differentiation of cancer cells in two-dimensional and three-dimensional breast cancer models by Raman spectroscopy | |
WO2018066039A1 (ja) | 解析装置、解析方法、及びプログラム | |
WO2006091983A2 (en) | Variable diffusion-time magnetic resonance-based system and method | |
Staikopoulos et al. | Hyperspectral imaging of endogenous fluorescent metabolic molecules to identify pain states in central nervous system tissue | |
US11529054B2 (en) | Method and system for post-traumatic stress disorder (PTSD) and mild traumatic brain injury (mTBI) diagnosis using magnetic resonance spectroscopy |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20190125 |
|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20190213 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220117 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221130 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221220 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230613 |