JP2019219419A - 試料情報取得システム、及びそれを有するデータ表示システム、試料情報取得方法、プログラム、記憶媒体 - Google Patents
試料情報取得システム、及びそれを有するデータ表示システム、試料情報取得方法、プログラム、記憶媒体 Download PDFInfo
- Publication number
- JP2019219419A JP2019219419A JP2019162440A JP2019162440A JP2019219419A JP 2019219419 A JP2019219419 A JP 2019219419A JP 2019162440 A JP2019162440 A JP 2019162440A JP 2019162440 A JP2019162440 A JP 2019162440A JP 2019219419 A JP2019219419 A JP 2019219419A
- Authority
- JP
- Japan
- Prior art keywords
- spectral
- data
- machine learning
- spectrum
- component
- 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
Landscapes
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
Description
まず、本実施形態に係るデータ処理装置1(以下、「処理装置1」と称する)の構成について図1を用いて説明する。図1は、本実施形態に係る処理装置1を含む試料情報取得システムの構成を示すブロック図である。
次に、本実施形態に係る処理装置1を含む試料情報取得システムの動作方法について、図2から図7を用いて説明する。
次に、選択部11は取得したデータセットを元に、生成部13における機械学習で用いる機械学習用スペクトル成分の選択を行う(S2031)。本工程において選択した機械学習用スペクトル成分を用いて識別器を生成することで、識別器生成に要する時間を短縮することができる。ただし、機械学習用スペクトル成分をランダムに選択すると、識別器生成に要する時間は短縮できるものの、生成される識別器の識別精度が低下してしまう。
マハラノビス距離は、試料中の各構成成分に対応する群に属する複数のスペクトルデータを、スペクトル成分ごとに特徴空間に射影したときの、それぞれの群における群間分散と群内分散との比(群間分散/群内分散)として定義される。
各群のスペクトルデータのスペクトル形状が大きく異なる場合には、スペクトル形状の違いに基づいて機械学習用スペクトル成分を選択することもできる。例えば、複数の群において、特定の群についてのみスペクトル強度が大きなスペクトル成分がある場合、そのスペクトル成分は該特定の群に対応する試料中の構成成分に特有な物質等に由来するスペクトル成分であることがある。このようなスペクトル成分を機械学習用スペクトル成分として選択すると、識別精度を保持しつつ従来よりも高速に識別器を生成することができる。すなわち、スペクトル形状の違いの大きなスペクトル成分を機械学習用スペクトル成分として選択することで、機械学習による識別に有効なスペクトル成分を選択することができる。
次に取得部12は、ステップS2031で選択した機械学習用スペクトル成分からなる機械学習用スペクトルデータを複数含む機械学習用データセットを取得する。
次に生成部13は、S2032またはS2033で取得した機械学習用データセットを用いて機械学習を行い、識別器を生成する(S2041)。本実施形態に係る機械学習は教師あり機械学習であることが好ましい。具体的には、Fisherの線形判別法や、SVM(Support Vector Machine)、決定木学習、またはそのアンサンブル平均を考えたランダムフォレスト法等を利用できる。なお、本実施形態に係る機械学習はこれらに限定されるものではなく、教師つき機械学習であってもよいし、半教師つき機械学習であってもよい。
次に識別部15は、生成部13が生成した識別器を用いてスペクトルデータの識別を行う。識別部15はスペクトルデータを識別し、それぞれのスペクトルデータを試料中の構成成分に帰属する。
以上、本発明の好ましい実施形態について説明したが、本発明はこれらの実施形態に限定されず、その要旨の範囲内で種々の変形及び変更が可能である。
以下、本発明を適用した実施例1について説明する。以下の実施例においては、誘導ラマン散乱を用いた顕微鏡を用いてマウスの肝臓組織の計測を行った。光源として用いたTiSレーザーのパワーは111mW、Ybファイバーレーザーの強度は対物レンズに入射する前で127mWであった。試料のマウスの肝臓組織は、ホルマリン固定を行い、100マイクロメートルの厚さに薄切化したものを用いた。この組織切片をガラス中にPBSバッファーとともに包埋した状態で計測を行った。計測範囲は160マイクロメートル四方とした。また、計測の際の波数範囲は2800cm−1〜3100cm−1とし、該波数範囲を91段階に等分するようにして計測を行った。計測は10回行い、取得した計測データは積算した。計測に要した時間は30秒であった。
以下、本発明の実施例2について説明する。以下の実施例においては、計測装置、計測条件は、実施例1の場合と同様である。
11 スペクトル成分選択部
13 識別器生成部
Claims (17)
- 複数のスペクトル成分のそれぞれに対して強度値が格納されたスペクトルデータが属する複数の群の間のマハラノビス距離に基づいて、前記複数のスペクトル成分から、機械学習用スペクトル成分を選択するスペクトル成分選択部と、
前記スペクトル成分選択部により選択されたスペクトルデータを用いて機械学習を行い、スペクトルデータを識別する識別器を生成する識別器生成部と、
を有することを特徴とする試料情報取得システム。 - 前記スペクトル成分選択部が、前記マハラノビス距離の大きさの順に前記機械学習用スペクトル成分を複数選択することを特徴とする請求項1に記載の試料情報取得システム。
- 前記スペクトル成分選択部が、前記識別器が識別する前記成分間の複数の組み合わせについて、前記マハラノビス距離の大きさの順に前記機械学習用スペクトル成分をそれぞれ選択することを特徴とする請求項1または請求項2に記載の試料情報取得システム。
- 前記スペクトル成分選択部が、前記マハラノビス距離の大きな部分では密に、前記マハラノビス距離の小さな部分では疎に、前記機械学習用スペクトル成分を複数選択することを特徴とする請求項1乃至請求項3のいずれか一項に記載の試料情報取得システム。
- 前記スペクトル成分選択部が、前記スペクトル形状の違いの大きな部分では密に、前記スペクトル形状の違いの小さな部分では疎に、前記機械学習用スペクトル成分を複数選択することを特徴とする請求項1乃至請求項4のいずれか一項に記載の試料情報取得システム。
- 前記スペクトルデータが、画素ごとにスペクトルデータが格納された画像データであることを特徴とする請求項1乃至請求項5のいずれか一項に記載の試料情報取得システム。
- 前記識別器生成部が、複数の前記機械学習用スペクトル成分のそれぞれについて、複数の前記スペクトルデータにおける群内分散の大きさに応じて前記強度値の平均化処理を行い、前記機械学習を行うことを特徴とする請求項1乃至6のいずれか一項に記載の試料情報取得システム。
- 前記スペクトルデータが、紫外または可視または赤外域の分光スペクトルデータ、ラマン分光スペクトルデータ、質量スペクトルデータのいずれか1つを含むスペクトルデータであることを特徴とする請求項1乃至請求項7のいずれか一項に記載の試料情報取得システム。
- 前記スペクトル成分が、波数または質量電荷比であることを特徴とする請求項1乃至請求項8のいずれか一項に記載の試料情報取得システム。
- 前記識別器生成部により生成された識別器を用いてスペクトルデータを識別する識別部をさらに有することを特徴とする請求項1乃至請求項9のいずれか一項に記載の試料情報取得システム。
- 前記識別部による識別結果に基づいて、それぞれの前記スペクトルデータが格納された前記画素を区別して表示する二次元画像データを生成することを特徴とする請求項10に記載の試料情報取得システム。
- 請求項1乃至請求項11のいずれか一項に記載の試料情報取得システムと、
前記データ処理装置の処理結果を表示する表示部と、
を有することを特徴とするデータ表示システム。 - 前記表示部が、前記識別器生成部により生成された識別器を用いてスペクトルデータを識別する識別部による識別結果に応じて、前記成分を識別して表示することを特徴とする請求項12に記載のデータ表示システム。
- 複数のスペクトル成分のそれぞれに対して強度値が格納されたスペクトルデータが属する複数の群の間のマハラノビス距離に基づいて、前記複数のスペクトル成分から、機械学習用スペクトル成分を選択するスペクトル成分選択工程と、
前記スペクトル成分選択工程により選択されたスペクトルデータを用いて機械学習を行い、スペクトルデータを識別する識別器を生成する識別器生成工程と、
を有することを特徴とする試料情報取得方法。 - 前記識別器生成工程により生成された前記識別器を用いてスペクトルデータを識別する識別工程をさらに有することを特徴とする請求項14に記載の試料情報取得方法。
- コンピュータに、
複数のスペクトル成分のそれぞれに対して強度値が格納されたスペクトルデータが属する複数の群の間のマハラノビス距離に基づいて、前記複数のスペクトル成分から、機械学習用スペクトル成分を選択するスペクトル成分選択工程と、
前記スペクトル成分選択工程により選択された前記スペクトルデータを用いて機械学習を行い、スペクトルデータを識別する識別器を生成する識別器生成工程と、
を実行させるためのプログラム。 - コンピュータに、
複数のスペクトル成分のそれぞれに対して強度値が格納されたスペクトルデータが属する複数の群の間のマハラノビス距離に基づいて、前記複数のスペクトル成分から、機械学習用スペクトル成分を選択するスペクトル成分選択工程と、
前記スペクトル成分選択工程により選択された前記スペクトルデータを用いて機械学習を行い、スペクトルデータを識別する識別器を生成する識別器生成工程と、
を実行させるためのプログラムを記憶したコンピュータ読み取り可能な記憶媒体。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014140908 | 2014-07-08 | ||
JP2014140908 | 2014-07-08 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015093572A Division JP2016028229A (ja) | 2014-07-08 | 2015-04-30 | データ処理装置、及びそれを有するデータ表示システム、試料情報取得システム、データ処理方法、プログラム、記憶媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019219419A true JP2019219419A (ja) | 2019-12-26 |
JP2019219419A5 JP2019219419A5 (ja) | 2020-04-23 |
Family
ID=69096339
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019162440A Pending JP2019219419A (ja) | 2014-07-08 | 2019-09-05 | 試料情報取得システム、及びそれを有するデータ表示システム、試料情報取得方法、プログラム、記憶媒体 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2019219419A (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2021166130A1 (ja) * | 2020-02-19 | 2021-08-26 | ||
EP4174475A1 (en) * | 2021-11-02 | 2023-05-03 | Universitat Rovira I Virgili | Method for the transformation and analysis of electromagnetic spectra |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11508689A (ja) * | 1995-07-06 | 1999-07-27 | ディーエスエム エヌ.ブイ. | 手持ち赤外分光器を用いてリサイクル可能なカーペットを同定する方法 |
JP2005509847A (ja) * | 2001-11-12 | 2005-04-14 | ズュントン カーゲー | 抗菌試験物質の作用機構の態様の特徴付けおよび/または同定のための方法 |
JP2007024697A (ja) * | 2005-07-15 | 2007-02-01 | Omron Corp | 知識作成装置および知識作成方法 |
JP2008108250A (ja) * | 2007-10-12 | 2008-05-08 | Tokyu Car Corp | 移動体の異常検出システム、及び移動体の異常検出方法 |
JP2011181015A (ja) * | 2010-03-03 | 2011-09-15 | Olympus Corp | 診断情報配信装置および病理診断システム |
JP2012181561A (ja) * | 2012-06-27 | 2012-09-20 | Toshiba Corp | 信号処理装置 |
JP2013048646A (ja) * | 2011-08-30 | 2013-03-14 | Hoya Corp | 診断システム |
JP2013257282A (ja) * | 2012-06-14 | 2013-12-26 | Canon Inc | 画像処理方法および装置 |
-
2019
- 2019-09-05 JP JP2019162440A patent/JP2019219419A/ja active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11508689A (ja) * | 1995-07-06 | 1999-07-27 | ディーエスエム エヌ.ブイ. | 手持ち赤外分光器を用いてリサイクル可能なカーペットを同定する方法 |
JP2005509847A (ja) * | 2001-11-12 | 2005-04-14 | ズュントン カーゲー | 抗菌試験物質の作用機構の態様の特徴付けおよび/または同定のための方法 |
JP2007024697A (ja) * | 2005-07-15 | 2007-02-01 | Omron Corp | 知識作成装置および知識作成方法 |
JP2008108250A (ja) * | 2007-10-12 | 2008-05-08 | Tokyu Car Corp | 移動体の異常検出システム、及び移動体の異常検出方法 |
JP2011181015A (ja) * | 2010-03-03 | 2011-09-15 | Olympus Corp | 診断情報配信装置および病理診断システム |
JP2013048646A (ja) * | 2011-08-30 | 2013-03-14 | Hoya Corp | 診断システム |
JP2013257282A (ja) * | 2012-06-14 | 2013-12-26 | Canon Inc | 画像処理方法および装置 |
JP2012181561A (ja) * | 2012-06-27 | 2012-09-20 | Toshiba Corp | 信号処理装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2021166130A1 (ja) * | 2020-02-19 | 2021-08-26 | ||
WO2021166130A1 (ja) * | 2020-02-19 | 2021-08-26 | 三菱電機株式会社 | 距離計測装置、距離計測方法、距離計測学習装置、及び、距離計測学習方法 |
EP4174475A1 (en) * | 2021-11-02 | 2023-05-03 | Universitat Rovira I Virgili | Method for the transformation and analysis of electromagnetic spectra |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2016028229A (ja) | データ処理装置、及びそれを有するデータ表示システム、試料情報取得システム、データ処理方法、プログラム、記憶媒体 | |
Xiao et al. | APP2: automatic tracing of 3D neuron morphology based on hierarchical pruning of a gray-weighted image distance-tree | |
US20200134822A1 (en) | Reconstruction method of biological tissue image, apparatus therefor, and image display apparatus using the biological tissue image | |
US9501687B2 (en) | Predictive modeling relating molecular imaging modalities | |
Legesse et al. | Texture analysis and classification in coherent anti-Stokes Raman scattering (CARS) microscopy images for automated detection of skin cancer | |
JP2015135318A (ja) | データ処理装置、データ表示システム、試料データ取得システム、及びデータ処理方法 | |
JP2019219419A (ja) | 試料情報取得システム、及びそれを有するデータ表示システム、試料情報取得方法、プログラム、記憶媒体 | |
JP2013178232A (ja) | 生体組織画像の再構成方法、取得方法及び装置 | |
JP5945365B2 (ja) | Nmrスペクトルから物質を同定するための方法 | |
CN112129741A (zh) | 绝缘油老化分析方法、装置、计算机设备和存储介质 | |
JP2013178233A (ja) | 生体組織画像のノイズ低減処理方法及び装置 | |
CN112771510A (zh) | 信息处理设备、信息处理方法和程序 | |
Roychowdhury et al. | Random forests in the classification of diabetic retinopathy retinal images | |
JP6460644B2 (ja) | 分光画像データ処理装置および2次元分光装置 | |
Geurts et al. | Visual comparison of 3D medical image segmentation algorithms based on statistical shape models | |
US11435422B2 (en) | Anomaly detection using magnetic resonance fingerprinting | |
US20170220525A1 (en) | Method and apparatus for hierarchical data analysis based on mutual correlations | |
Sattlecker et al. | Assessment of robustness and transferability of classification models built for cancer diagnostics using Raman spectroscopy | |
JP2019219419A5 (ja) | ||
Zhang et al. | Real‐time intelligent classification of COVID‐19 and thrombosis via massive image‐based analysis of platelet aggregates | |
Huang et al. | Validating multivariate classification algorithms in Raman spectroscopy-based osteosarcoma cellular analysis | |
Li et al. | Raman spectral pattern recognition of breast cancer: A machine learning strategy based on feature fusion and adaptive hyperparameter optimization | |
WO2018042752A1 (ja) | 信号分析装置、信号分析方法、コンピュータプログラム、測定装置及び測定方法 | |
JP6436649B2 (ja) | データの処理方法及び装置 | |
JP7248139B2 (ja) | 細胞画像解析方法及び細胞解析装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190926 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200306 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200826 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200929 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201126 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210330 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20211109 |