JP5565810B2 - 質量分析データ処理方法及び装置 - Google Patents
質量分析データ処理方法及び装置 Download PDFInfo
- Publication number
- JP5565810B2 JP5565810B2 JP2010264751A JP2010264751A JP5565810B2 JP 5565810 B2 JP5565810 B2 JP 5565810B2 JP 2010264751 A JP2010264751 A JP 2010264751A JP 2010264751 A JP2010264751 A JP 2010264751A JP 5565810 B2 JP5565810 B2 JP 5565810B2
- Authority
- JP
- Japan
- Prior art keywords
- mass
- entropy
- mass spectrometry
- data processing
- region
- 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.)
- Active
Links
- 238000004949 mass spectrometry Methods 0.000 title claims description 47
- 238000003672 processing method Methods 0.000 title claims description 15
- 238000012545 processing Methods 0.000 claims description 56
- 238000001819 mass spectrum Methods 0.000 claims description 51
- 238000010606 normalization Methods 0.000 claims description 13
- 238000004040 coloring Methods 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 3
- 239000000523 sample Substances 0.000 description 46
- 238000003384 imaging method Methods 0.000 description 34
- 238000009826 distribution Methods 0.000 description 24
- 238000000034 method Methods 0.000 description 22
- 239000000126 substance Substances 0.000 description 22
- 238000005259 measurement Methods 0.000 description 20
- 238000004458 analytical method Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 150000002500 ions Chemical class 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 7
- 206010028980 Neoplasm Diseases 0.000 description 6
- 201000011510 cancer Diseases 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 238000000491 multivariate analysis Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 238000001871 ion mobility spectroscopy Methods 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 239000012472 biological sample Substances 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012880 independent component analysis Methods 0.000 description 3
- 239000000090 biomarker Substances 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006862 enzymatic digestion Effects 0.000 description 2
- 238000000556 factor analysis Methods 0.000 description 2
- 238000000879 optical micrograph Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 206010009944 Colon cancer Diseases 0.000 description 1
- 208000001333 Colorectal Neoplasms Diseases 0.000 description 1
- 206010027476 Metastases Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 208000024770 Thyroid neoplasm Diseases 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000010494 dissociation reaction Methods 0.000 description 1
- 230000005593 dissociations Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 230000037427 ion transport Effects 0.000 description 1
- 238000005040 ion trap Methods 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000000816 matrix-assisted laser desorption--ionisation Methods 0.000 description 1
- 230000009401 metastasis Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 201000002510 thyroid cancer Diseases 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J49/00—Particle spectrometers or separator tubes
- H01J49/0004—Imaging particle spectrometry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
- G16B40/10—Signal processing, e.g. from mass spectrometry [MS] or from PCR
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B45/00—ICT specially adapted for bioinformatics-related data visualisation, e.g. displaying of maps or networks
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J49/00—Particle spectrometers or separator tubes
- H01J49/0009—Calibration of the apparatus
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J49/00—Particle spectrometers or separator tubes
- H01J49/0027—Methods for using particle spectrometers
- H01J49/0036—Step by step routines describing the handling of the data generated during a measurement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30096—Tumor; Lesion
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
- G09G2380/00—Specific applications
- G09G2380/08—Biomedical applications
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Biophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Biotechnology (AREA)
- Analytical Chemistry (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Evolutionary Computation (AREA)
- Epidemiology (AREA)
- Databases & Information Systems (AREA)
- Bioethics (AREA)
- Software Systems (AREA)
- Signal Processing (AREA)
- Molecular Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Description
本発明は、試料の２次元領域内の複数の微小領域に対しそれぞれ質量分析を実行して収集される質量分析データを解析し、その結果を２次元領域に対する画像として出力する、質量分析イメージングを実行する質量分析データ処理方法及び装置に関する。
生体組織等の試料の形態観察を行うと同時に、その試料上の所定領域に存在する分子の分布を測定する装置として、顕微質量分析装置或いはイメージング質量分析装置などと呼ばれる装置が開発されている（特許文献１〜３、非特許文献１、２など参照）。こうした装置によれば、試料をすり潰したり破砕したりすることなく試料の形態をほぼ維持したまま、顕微観察に基づいて指定された試料上の任意の領域に含まれる特定の質量電荷比m/zをもつイオンの分布画像（マッピング画像）を得ることが可能であり、特に、生化学分野、医療・薬学分野などにおいて、例えば生体内細胞に含まれるタンパク質等の分布情報を得るなどの応用が期待されている。
試料に関する所望の情報、例えば試料を特徴付ける物質の種類やその量の分布、などを分析者が容易に把握できるようにするには、収集した質量分析イメージングデータに対して適切な解析処理を実行し、その結果を適切な態様で表示することが重要である。試料上の或る程度の面積の２次元領域に対する質量分析イメージングデータを取得した場合、このデータは多数の測定点（微小領域）のマススペクトルデータを含む。そのため、データの量は極めて膨大になる。そこで、このような膨大な量のデータに対し、有意で且つ分析者が理解し易い情報を得るための様々な手法が従来提案されている。
例えば一つの方法として、全測定点のマススペクトルを積算することで作成される積算マススペクトルを表示画面上に表示し、その積算マススペクトルに現れるピークの中から適当なピークを分析者が選択し、既存のＭＳイメージ表示ソフトウエア（例えばBioMapなど）を用いて選択されたピークの強度空間分布を表示するという方法がある（例えば非特許文献３参照）。このように複数のピークの強度空間分布を重ね合わせて表示することにより、特定の組織構造とその主要な物質の質量電荷比とを知ることができる。
別の方法として、主成分分析（ＰＣＡ＝Principal Component Analysis）、独立成分分析（ＩＣＡ＝Independent Component Analysis）、因子分析（ＦＡ＝Factor Analysis）などの多変量解析を利用する方法が、非特許文献４などに記載されている。多変量解析では、類似した強度空間分布を有する複数の物質が各因子に集約される。この因子毎にスコアとローディングとを表示するのが一般的であり、特許文献４では、スコアを２次元空間分布として、ローディングを散布図として表示するようにしている。
しかしながら、上述したような従来方法では次のような問題がある。即ち、ＭＳイメージ表示ソフトウエアを用いた解析手法では、分析者が積算マススペクトル上でピークを選択すると、そのピークに対応した質量電荷比の強度空間分布が表示される。このため、空間的に特異的な分布を示す物質に対応したピークが必ずしも選択されるとは限らない。また、試料上の小領域毎に特異的な強度空間分布を示すピークを探し出したい場合には、分析者が試行錯誤的に複数のピークの強度空間分布を比較したり重ね合わせ表示を行ったりする必要がある。このため、通常、分析者は積算マススペクトル上の多くのピークに対するイメージ表示を行う作業を繰り返す必要があり、多大な労力と時間とを要する。
一方、多変量解析を用いた方法では、多くの場合、因子数の決定や各因子のローディング値の解釈などに専門的な知識が必要である。また、ＰＣＡの場合には主成分に対するマススペクトルを表示すると強度がマイナスとなるピークが含まれることがある等、結果の物理的意味付けを解釈するのが困難であることもある。そのため、分析を担当できる者が限定されてしまい、効率的な解析は難しく、スループットを向上させることも困難である。また、ＰＣＡでは１つの主成分を１つの空間分布として表示するが、１つの物質の情報は複数の主成分に反映されるため、ＰＣＡの結果だけを見ても物質の空間分布や含有量を特定することはできないという問題もある。
小河潔、ほか５名、「顕微質量分析装置の開発」、島津評論、株式会社島津製作所、平成１８年３月３１日発行、第６２巻、第３・４号、ｐ．１２５−１３５
原田高宏、ほか８名、「顕微質量分析装置による生体組織分析」、島津評論、株式会社島津製作所、２００８年４月２４日発行、第６４巻、第３・４号、ｐ．１３９−１４６
「ＭＳイメージング技術による病理組織切片上におけるバイオマーカーの探索」、[online]、株式会社島津製作所、［２０１０年１１月８日検索］、インターネット＜URL: http://www.an.shimadzu.co.jp/bio/biomarker/297-0425_msimaging.pdf＞
森永、ほか２名、「PCAによるMS Imagingデータ解析ソフトの開発」、第５７回質量分析総合討論会（２００９年）講演要旨集、日本質量分析学会、２００９年５月１日発行
本発明は上記課題を解決するためになされたものであり、その目的とするところは、イメージング質量分析により収集された膨大なデータに基づいて、生体試料の組織構造などを把握するために有意であって且つ分析者が直感的にも理解し易い情報を提示することができる質量分析データ処理方法及び装置を提供することにある。
上記課題を解決するために成された第１発明に係る質量分析データ処理方法は、試料上の２次元領域内に設定された複数の微小領域に対しそれぞれ質量分析を実行することにより収集されたデータを処理する質量分析データ処理方法であって、
a)複数の微小領域毎に、その微小領域に対応したマススペクトルデータの強度情報を規格化する第１ステップと、
b)各微小領域において、規格化後のマススペクトルデータに基づいてエントロピーを計算する第２ステップと、
c)微小領域毎に求まったエントロピーの値に応じた表示色を与えることで各微小領域を色付けし、前記２次元領域に対応したカラー２次元画像を作成して表示する第３ステップと、
を有することを特徴としている。
a)複数の微小領域毎に、その微小領域に対応したマススペクトルデータの強度情報を規格化する第１ステップと、
b)各微小領域において、規格化後のマススペクトルデータに基づいてエントロピーを計算する第２ステップと、
c)微小領域毎に求まったエントロピーの値に応じた表示色を与えることで各微小領域を色付けし、前記２次元領域に対応したカラー２次元画像を作成して表示する第３ステップと、
を有することを特徴としている。
また第２発明に係る質量分析データ処理装置は、第１発明に係る質量分析データ処理方法を実施するための装置であって、試料上の２次元領域内に設定された複数の微小領域に対しそれぞれ質量分析を実行することにより収集されたデータを処理する質量分析データ処理装置において、
a)複数の微小領域毎に、その微小領域に対応したマススペクトルデータの強度情報を規格化する規格化処理手段と、
b)各微小領域において、規格化後のマススペクトルデータに基づいてエントロピーを計算するエントロピー演算手段と、
c)微小領域毎に求まったエントロピーの値に応じた表示色を与えることで各微小領域を色付けし、前記２次元領域に対応したカラー２次元画像を作成して表示画面上に表示する表示情報形成手段と、
を備えることを特徴としている。
a)複数の微小領域毎に、その微小領域に対応したマススペクトルデータの強度情報を規格化する規格化処理手段と、
b)各微小領域において、規格化後のマススペクトルデータに基づいてエントロピーを計算するエントロピー演算手段と、
c)微小領域毎に求まったエントロピーの値に応じた表示色を与えることで各微小領域を色付けし、前記２次元領域に対応したカラー２次元画像を作成して表示画面上に表示する表示情報形成手段と、
を備えることを特徴としている。
本発明に係る質量分析データ処理方法及び装置において、エントロピーとは、典型的には、マススペクトルの中の各質量電荷比の強度値の対数（自然対数又は常用対数）と強度値との積の、質量電荷比範囲全体に亘る総和として定義することができる。
情報理論においては、エントロピーは情報量を表す指標として用いられる。そこで、微小領域（画像で考えればピクセル）毎にマススペクトルデータにエントロピーを導入すれば、有意のピークが数が多いほどエントロピーは大きくなる。ここで「有意」とは、その微小領域を特徴付けることができるという意味であり、例えば或るピークが存在しても質量電荷比範囲全体に亘り同程度のピークが存在するのであれば、それは「有意」ではない。本願発明者の検討によれば、マススペクトルにおいては、エントロピーは単に含まれる物質の種類の数ではなく、物質の組成比の複雑さを表しているとの知見が得られた。したがって、微小領域に存在する物質の組成比が比較的単純であれば、言い換えれば、その組成に片寄りがあればエントロピーは相対的に小さくなる。こうしたことから、試料が生体由来の試料である場合には、微小領域毎にマススペクトルデータから求めたエントロピーの値の分布は、細胞やその集合体等の機能や作用に関連する物質の空間分布を反映していると考えられる。
そこで本発明に係る質量分析データ処理方法及び装置において、規格化処理手段により実行される第１ステップでは、エントロピー演算の前処理として、微小領域毎に、その微小領域に対応したマススペクトル中の各質量電荷比の強度の和が１になるように規格化を行う。この規格化によって微小領域毎の物質含有量の相違の影響がなくなり、エントロピーの比較が可能となる。エントロピー演算手段により実行される第２ステップでは、規格化後のマススペクトルデータを用いてそれぞれエントロピーを計算し、表示情報形成手段により実行される第３ステップでは、微小領域毎に例えば予め定めたカラースケールに照らしてエントロピー値に対応した表示色を求め、各ピクセルを色付けして２次元カラー画像として表示する。これにより、微小領域毎のエントロピーの２次元分布を可視化した画像が表示される。
生体組織を試料とする場合、試料の前処理の際の酵素消化により物質が分解したり、質量分析の際のイオン源に利用されるレーザの作用で試料成分が解離したりすることがよくあり、質量電荷比の大きな物質は減少する（より質量電荷比が小さな物質に分解する）傾向にある。こうしたことから、本発明に係る質量分析データ処理装置において、規格化処理手段は、マススペクトルデータの強度情報に対し質量電荷比に応じて重み付けした規格化を行う構成とするとよい。
具体的には、質量電荷比が大きなイオンにより大きな重みを与えるようにするとよい。具体的な重みは、分析対象の試料の種類、前処理方法、質量分析装置の構成などに応じて、例えば実験的に適当な値を決めておくようにすればよい。これにより、上記要因による大きな質量電荷比をもつ物質の分解の影響が軽減されるため、前述の機能や作用に関連する物質の空間分布が一層明瞭に現れ易くなる。
また、例えば試料に対する光学顕微画像などを利用して識別可能な試料上の特定部位と同一の又は類似した機能や作用をもつ部位の分布を調べたいような場合には、その特定部位におけるエントロピーを基準とした相対値で他の部位のエントロピーを示したほうが、視覚的に理解が容易である。
そこで、本発明に係る質量分析データ処理装置の一態様として、
比較基準とする微小領域を設定する基準設定手段をさらに備え、
前記エントロピー演算手段は、前記基準設定手段により設定された比較基準の微小領域のエントロピーに対して微小領域毎の相対エントロピーを計算する構成とすることができる。
比較基準とする微小領域を設定する基準設定手段をさらに備え、
前記エントロピー演算手段は、前記基準設定手段により設定された比較基準の微小領域のエントロピーに対して微小領域毎の相対エントロピーを計算する構成とすることができる。
基準設定手段としては、例えば表示画面上に試料の光学顕微画像や特定の質量電荷比の強度分布を示す質量分析イメージング画像などを表示した状態で、ユーザがポインティングデバイスなどの操作部により任意の位置を指定できるようにすればよい。また、試料の光学顕微画像や質量分析イメージング画像などに対して画像認識技術を適用して所定の条件に適合する部位を自動的に抽出し、抽出された部位に対応する微小領域を比較基準として設定する構成とすることも可能である。
さらにまた、試料の種類、着目する部位の広さなどによっては、質量分析の単位である微小領域毎に処理を行うよりも、隣接する又は近接する複数の微小領域におけるマススペクトルデータをまとめて処理したほうが、可視化したときに着目部位が顕在化する場合もある。そこで、本発明に係る質量分析データ処理装置では、規格化処理手段による規格化の前に、２次元領域内で隣接する又は近接する複数の微小領域のマススペクトルデータを加算又は平均化するビニング処理を実行するビニング処理手段をさらに備える構成としてもよい。
本発明に係る質量分析データ処理方法及び装置によれば、イメージング質量分析により収集された膨大なデータに基づいて、試料に含まれる物質の空間分布が容易に且つ直感的に理解できるような情報を形成し、これを分析者に提示することができる。特に、本発明に係る質量分析データ処理方法及び装置によれば、ヒトや動物の生体組織を試料として、該試料中で特定の物質の偏在がみられる癌などの病変部とそれ以外の正常部との識別を的確に行うことが可能となる。
また本発明に係る質量分析データ処理方法及び装置では、従来方法のような積算マススペクトル上での試行錯誤的なピーク選択作業の繰り返しを行う必要がなく、また多変量解析を行う際に一般に必要とされるピーク抽出処理も要しないので、処理時間を短縮してスループットを向上させることができる。さらにまた、多変量解析を利用した方法のように解析作業やその結果の解釈などに専門的な知識を有することもないので、分析者の負担が軽減されるという利点もある。
以下、本発明に係る質量分析データ処理方法を実施するためのイメージング質量分析装置の一実施例について、添付図面を参照して説明する。図１は本実施例によるイメージング質量分析装置の概略構成図である。
このイメージング質量分析装置は、試料８上の２次元測定対象領域８ａの顕微観察を行うとともに該領域８ａ内のイメージング質量分析を実行するイメージング質量分析部１と、イメージング質量分析部１で収集されたマススペクトルデータを解析処理するデータ処理部２と、マススペクトルデータを記憶しておくデータ記憶部３と、イメージング質量分析部１で撮影された画像信号を処理して顕微画像を構成する顕微画像処理部４と、それら各部を制御する制御部５と、制御部５に接続された操作部６及び表示部７と、を備える。
図示しないが、イメージング質量分析部１は例えば非特許文献１、２などに記載のように、ＭＡＬＤＩイオン源、イオン輸送光学系、イオントラップ、飛行時間型質量分析器、イオン検出器などを含み、ｘ方向、ｙ方向にそれぞれ所定サイズの微小領域８ｂに対する所定質量電荷比範囲に亘る質量分析を実行する。イメージング質量分析部１は試料８が載置されたステージ（図示しない）をｘ、ｙの２軸方向に高精度で移動させる駆動部を含み、試料８を所定ステップ幅で移動させる毎に質量分析を実行することにより、任意のサイズの領域に対するマススペクトルデータの収集が可能である。なお、制御部５、データ処理部２、データ記憶部３、顕微画像処理部４などの機能の少なくとも一部は、パーソナルコンピュータに搭載された専用の処理・制御ソフトウエアを実行することにより達成される。
本実施例のイメージング質量分析装置は、イメージング質量分析部１により収集された膨大な質量分析イメージングデータ（ここでは１個の微小領域から得られるマススペクトルデータをＮ個の微小領域分集めたものを質量分析イメージングデータと呼ぶ）を解析処理して表示部７の画面上に表示するデータ処理部２におけるデータ処理にその特徴を有する。この特徴的なデータ処理の一例について、図２により説明する。図２はデータ処理手順を示すフローチャートである。
イメージング質量分析部１では、図１中に示すように、試料８上に設定された所定の２次元測定対象領域８ａ内をｘ方向、ｙ方向にそれぞれ細かく区分した微小領域８ｂ毎にマススペクトルデータが得られる。ここでは、２次元測定対象領域８ａ内の微小領域８ｂの総数がＮであるとする。このマススペクトルデータは所定の質量電荷比範囲に亘る強度信号を示すマススペクトルを構成するデータである。
通常、微小領域８ｂの１辺の長さは試料８が載置されたステージの移動ステップ幅により決まる。後述するデータ処理により、１個の微小領域８ｂで得られるマススペクトルデータに基づいてその微小領域８ｂ毎にカラー２次元画像上での表示色が定められる。したがって、色付けなどの画像処理上ではこの微小領域が最小単位となるので、画像処理上のピクセルと微小領域とは同義であり、以下の説明では微小領域をピクセルと呼ぶ。
データ処理の開始が指示されると、まずデータ処理部２はデータ記憶部３から処理対象である質量分析イメージングデータ、即ち、ピクセル毎に得られたマススペクトルデータを全て、つまりＮ個の微小領域のマススペクトルデータを読み込む（ステップＳ１）。
次に、変数ｎを１に初期設定し（ステップＳ２）、ｎ番目のピクセルにおいて、マススペクトルの強度を規格化する（ステップＳ３）。具体的には、マススペクトル中の質量電荷比軸方向にｉ番目のサンプル点（質量電荷比）における強度信号をｐ(ｉ)とし、ＴＩＣ（Total Ion Current）を次の(1)式により計算する。
ＴＩＣ＝Σｐ(ｉ) …(1)
ここで、Σはｉが１からＭ（サンプル点の最大値）までの総和である。即ち、(1)式はマススペクトルの全質量電荷比範囲において各質量電荷比のイオン強度の総和である。そして、以下の(2)式により、上記のように求めたＴＩＣで規格化した強度信号ｐ’(ｉ)を計算する。
ｐ’(ｉ)＝ｐ(ｉ)／ＴＩＣ …(2)
上式で求まるｐ’(ｉ)のｉ＝１〜Ｍの総和は１になる。
ＴＩＣ＝Σｐ(ｉ) …(1)
ここで、Σはｉが１からＭ（サンプル点の最大値）までの総和である。即ち、(1)式はマススペクトルの全質量電荷比範囲において各質量電荷比のイオン強度の総和である。そして、以下の(2)式により、上記のように求めたＴＩＣで規格化した強度信号ｐ’(ｉ)を計算する。
ｐ’(ｉ)＝ｐ(ｉ)／ＴＩＣ …(2)
上式で求まるｐ’(ｉ)のｉ＝１〜Ｍの総和は１になる。
次に、データ処理部２はｎ番目のピクセルにおいてエントロピーＳn(ｎ)を計算する（ステップＳ４）。具体的には、(2)式で求めた規格化後の強度信号ｐ’(ｉ)を用いて、以下の(3)式によりエントロピーを計算する。
Ｓn(ｎ)＝−Σｐ’(ｉ)・log(ｐ’(ｉ)) …(3)
なお、(3)式で常用対数logの代わりに自然対数lnを用いてもよい。
Ｓn(ｎ)＝−Σｐ’(ｉ)・log(ｐ’(ｉ)) …(3)
なお、(3)式で常用対数logの代わりに自然対数lnを用いてもよい。
エントロピーの計算が終わったら、変数ｎがピクセル総数Ｎに達したか否かを判定することで、全てのピクセルに対する処理が終了したか否かを判定する（ステップＳ５）。ｎがＮに達していなければｎをインクリメントして（ステップＳ６）ステップＳ３へと戻る。ステップＳ３〜Ｓ６の処理をＮ回繰り返すことにより、全てのピクセルに対するエントロピーが求まる。
その後に、制御部５はエントロピーの値（範囲）と表示色との対応付けが定められているカラースケールを参照し、２次元画像上で各ピクセルに対応する位置にエントロピーＳn(ｎ)の値に対応した表示色を選定して色付け表示した２次元カラー画像を作成し、これを表示部７の画面上に表示する（ステップＳ７）。もちろん、表示する以外に、プリンター等から出力してもよい。以上の処理により、ピクセル毎にマススペクトルデータから求められたエントロピーの分布を示すエントロピー画像が得られる。
上記説明では、各ピクセルのマススペクトルデータに対し単純な規格化及びエントロピー演算を行うようにしていたが、さらに次のような変形を加えることができる。
［重み付きエントロピー］
即ち、各ピクセルにおいてマススペクトルの強度信号に質量電荷比に応じた重み付けを行った上でエントロピー（又は後述する相対エントロピー）を計算してもよい。一般に、生体試料中に存在する比較的分子量が大きな物質は酵素消化による分解や質量分析装置のイオン化の際に用いられるレーザの作用による解離などによって、より小さな質量の物質になり易い。そこで、こうした物質の分解があることを考慮して、質量電荷比が大きなイオンに大きな重みを与えるような重み付けを行うとよい。この場合、図２中のステップＳ３では、ｉ番目のサンプル点におけるm/z値をｍ(ｉ)として、まず次の(4)式で重みを与える。
ｐw(i)＝ｍ(ｉ)・ｐ(i) …(4)
即ち、各ピクセルにおいてマススペクトルの強度信号に質量電荷比に応じた重み付けを行った上でエントロピー（又は後述する相対エントロピー）を計算してもよい。一般に、生体試料中に存在する比較的分子量が大きな物質は酵素消化による分解や質量分析装置のイオン化の際に用いられるレーザの作用による解離などによって、より小さな質量の物質になり易い。そこで、こうした物質の分解があることを考慮して、質量電荷比が大きなイオンに大きな重みを与えるような重み付けを行うとよい。この場合、図２中のステップＳ３では、ｉ番目のサンプル点におけるm/z値をｍ(ｉ)として、まず次の(4)式で重みを与える。
ｐw(i)＝ｍ(ｉ)・ｐ(i) …(4)
したがって、(1)式、(2)式はそれぞれ次の式となる。
ＴＩＣw＝Σｐw(ｉ)
ｐw’(ｉ)＝ｐw(ｉ)／ＴＩＣw
さらにステップＳ４では、(3)式は次の(5)式となる。
Ｓw(ｎ)＝−Σｐw’(ｉ)・log(ｐw’(ｉ)) …(5)
これにより、ｎ番目のピクセルにおける重み付きエントロピーＳw(ｎ)が求まる。それ以外の処理は上記説明の通りである。
ＴＩＣw＝Σｐw(ｉ)
ｐw’(ｉ)＝ｐw(ｉ)／ＴＩＣw
さらにステップＳ４では、(3)式は次の(5)式となる。
Ｓw(ｎ)＝−Σｐw’(ｉ)・log(ｐw’(ｉ)) …(5)
これにより、ｎ番目のピクセルにおける重み付きエントロピーＳw(ｎ)が求まる。それ以外の処理は上記説明の通りである。
［相対エントロピー］
試料８の２次元測定対象領域８ａの中で特定部位と類似性を有する部位の分布や拡がりなどを調べることを目的とする場合、特定のピクセルのエントロピーを基準とした相対エントロピーを利用するとよい。図３は相対エントロピーを利用する場合のデータ処理手順のフローチャートである。図２に示したフローチャート中の処理と全く同一の処理を行うステップについては同じステップ番号を付している。
試料８の２次元測定対象領域８ａの中で特定部位と類似性を有する部位の分布や拡がりなどを調べることを目的とする場合、特定のピクセルのエントロピーを基準とした相対エントロピーを利用するとよい。図３は相対エントロピーを利用する場合のデータ処理手順のフローチャートである。図２に示したフローチャート中の処理と全く同一の処理を行うステップについては同じステップ番号を付している。
この場合には、ユーザ（オペレータ）は例えば試料に対する光学顕微画像を表示部７の画面上で確認し、特定部位として比較基準となるピクセルを操作部６により指定する（ステップＳ８）。特定部位はユーザが任意に決めればよいが、例えば後述のように生体組織中の癌部を観察したい場合、目視上判別可能な癌部のピクセルを特定部位として指定するとよい。図２中のステップＳ４に代わるステップＳ９では、エントロピーの代わりに、指定されたピクセルのエントロピー値を基準とした相対エントロピーを計算する。
例えばｎ番目のピクセルにおいて、相対エントロピーＳr(ｎ)、厳密には相対エントロピーの平均を以下の(6)式で計算する。
Ｓr(ｎ)＝｛−Σｐ’(ｉ)・log(ｐ’(ｉ)／ｑ’(ｉ))−Σｑ’(ｉ)・log（ｑ’(ｉ
)／ｐ’(ｉ))｝／２ …(6)
ここで、ｑ’(ｉ)は比較基準のピクセルにおけるｉ番目のサンプル点の強度信号（ＴＩＣによる規格化済み）である。それ以外の処理は上記説明の通りである。
Ｓr(ｎ)＝｛−Σｐ’(ｉ)・log(ｐ’(ｉ)／ｑ’(ｉ))−Σｑ’(ｉ)・log（ｑ’(ｉ
)／ｐ’(ｉ))｝／２ …(6)
ここで、ｑ’(ｉ)は比較基準のピクセルにおけるｉ番目のサンプル点の強度信号（ＴＩＣによる規格化済み）である。それ以外の処理は上記説明の通りである。
なお、比較基準となるピクセルを上述したようにユーザが指定するのではなく、光学顕微画像に対する画像認識処理などにより自動的に注目部位を抽出し、これを比較基準となるピクセルとして指定するようにしてもよい。
［ビニング処理の付加］
さらに別の変形例として、事前に、複数のピクセルのマススペクトルデータをビニングして、つまり２次元測定対象領域８ａ内で隣接する又は近接する複数のピクセルにおける強度信号を質量電荷比毎に積算する又は平均化することで見かけ上、１個のピクセルのサイズを例えば４倍又は８倍等に拡大した上で、前述したようにマススペクトルデータの規格化を行い、エントロピー又は相対エントロピーを計算するようにしてもよい。もちろん、重み付きエントロピーを用いてもよい。このようにビニング処理を加えることで、測定ノイズや隣接ピクセルにおけるばらつきを軽減することができる。
さらに別の変形例として、事前に、複数のピクセルのマススペクトルデータをビニングして、つまり２次元測定対象領域８ａ内で隣接する又は近接する複数のピクセルにおける強度信号を質量電荷比毎に積算する又は平均化することで見かけ上、１個のピクセルのサイズを例えば４倍又は８倍等に拡大した上で、前述したようにマススペクトルデータの規格化を行い、エントロピー又は相対エントロピーを計算するようにしてもよい。もちろん、重み付きエントロピーを用いてもよい。このようにビニング処理を加えることで、測定ノイズや隣接ピクセルにおけるばらつきを軽減することができる。
本実施例のイメージング質量分析装置を用いた実測例を図４〜図８を参照して説明する。
［実測例１］
ヒト大腸癌肝転移試料に対する実測例を図４、図５により説明する。図４（ａ）は試料をＨＥ（Hematoxilin-Eosin）染色した状態の光学顕微鏡画像、図４（ｂ）は癌部分に検出されるm/z８７４．３の質量分析イメージング画像である。なお、当然のことながら、未知試料の測定ではこの質量電荷比は既知ではない。図４（ｃ）は図４（ａ）中に示した癌部に含まれるピクセルにおけるマススペクトル、図４（ｄ）は図４（ａ）中に示した正常部のピクセルにおけるマススペクトルである。
［実測例１］
ヒト大腸癌肝転移試料に対する実測例を図４、図５により説明する。図４（ａ）は試料をＨＥ（Hematoxilin-Eosin）染色した状態の光学顕微鏡画像、図４（ｂ）は癌部分に検出されるm/z８７４．３の質量分析イメージング画像である。なお、当然のことながら、未知試料の測定ではこの質量電荷比は既知ではない。図４（ｃ）は図４（ａ）中に示した癌部に含まれるピクセルにおけるマススペクトル、図４（ｄ）は図４（ａ）中に示した正常部のピクセルにおけるマススペクトルである。
図５（ａ）は単にピクセル毎のＴＩＣの値をカラースケールで表したＴＩＣ画像であり、図５（ｂ）は図２に示した処理手順に従って作成されたエントロピー画像であり、図５（ｃ）はマススペクトルの強度の規格化の前に質量電荷比m/zが大きいほど大きな重みを与えるように重み付けを施した重み付きエントロピー画像である。
この例では、癌部においてＴＩＣ、エントロピーともに小さくなっている。一般的にはＴＩＣが小さい場合にはマススペクトル中のピークの数が多く、エントロピーは大きくなる傾向にあるが、この例ではＴＩＣが小さいもののエントロピーも小さく、それ故にエントロピー画像又は重み付きエントロピー画像により癌部の空間分布が明瞭に現れていることが分かる。この例から、試料の種類や着目部位（この例では癌部）の物質の種類などによってＴＩＣ画像では着目部位を識別できる場合も識別できない場合もあるが、エントロピー画像ではいずれの場合でも着目部位を識別可能であるということができる。
［実測例２］
次に、ヒト甲状腺癌試料に対する実測例を図６〜図８により説明する。図６（ａ）はこの試料の光学顕微鏡画像であり、図６（ｂ）は試料をＨＥ染色した状態の光学顕微鏡画像であり、図６（ｃ）は癌部分に検出されるm/z７９８．６７の質量分析イメージング画像であり、図６（ｄ）はＴＩＣ画像である。ここでは図６（ｃ）は各ピクセルにおいてＴＩＣを１とする規格化を行っている。図６（ｄ）に示したＴＩＣ画像からは癌部を識別することは困難である。なお、図６（ａ）及び（ｂ）と図６（ｃ）及び（ｄ）とでは試料の位置や向きが相違しているが、これは単に試料載置時の位置ずれによるものである。
次に、ヒト甲状腺癌試料に対する実測例を図６〜図８により説明する。図６（ａ）はこの試料の光学顕微鏡画像であり、図６（ｂ）は試料をＨＥ染色した状態の光学顕微鏡画像であり、図６（ｃ）は癌部分に検出されるm/z７９８．６７の質量分析イメージング画像であり、図６（ｄ）はＴＩＣ画像である。ここでは図６（ｃ）は各ピクセルにおいてＴＩＣを１とする規格化を行っている。図６（ｄ）に示したＴＩＣ画像からは癌部を識別することは困難である。なお、図６（ａ）及び（ｂ）と図６（ｃ）及び（ｄ）とでは試料の位置や向きが相違しているが、これは単に試料載置時の位置ずれによるものである。
図７（ａ）はエントロピー（ビニングなし）画像であり、図７（ｂ）は、２×２ピクセルの平均マススペクトルを１ピクセルのマススペクトルと置き換えて質量分析イメージングデータを作成し、これに対してエントロピーを計算した結果を示す、２×２ピクセルのビニングありのエントロピー画像である。また、図７（ｃ）は同様に４×４ピクセルの平均マススペクトルを１ピクセルのマススペクトルと置き換えて求めた、４×４ピクセルのビニングありのエントロピー画像である。これら画像では、左下の癌部がエントロピーの小さな領域として明瞭に現れており、特にビニングによってその明瞭さが増していることが分かる。
図８（ａ）は癌部に含まれるピクセルを比較基準として指定したときの相対エントロピー画像（ビニングなし）、図８（ｂ）は２×２ピクセルのビニングありの相対エントロピー画像、図８（ｃ）は４×４ピクセルのビニングありの相対エントロピー画像である。これら画像においても癌部が相対エントロピーの小さな領域（基準部位と組成の複雑さが類似した領域）として明瞭に現れている。ただし、この場合には、ビニングによって試料周辺部とその外側との境界が強調されすぎており、ビニングが着目部位の健在化に常に有効というわけではなく、ビニングを行わない場合のほうがよい場合もあることを示している。
以上の実測例から、本発明に係るデータ処理方法及び装置により、ＴＩＣ画像では識別が実質的に不可能であった生体試料中の癌部の領域の識別が可能であることが確認できる。単純なエントロピー画像でも癌部の識別は可能であるが、試料に種類によっては、重み付きエントロピー、特定の部位（ピクセル）を基準とする相対エントロピー、或いは、近接する複数のピクセルの情報をまとめたビニングとエントロピー若しくは相対エントロピーとの組み合わせが、さらに有効であるといえる。
なお、上記実施例は本発明の一例であり、本発明の趣旨の範囲で適宜変形、修正、追加を行っても本願特許請求の範囲に包含されることは当然である。
１…イメージング質量分析本体部
２…データ処理部
３…データ記憶部
４…顕微画像処理部
５…制御部
６…操作部
７…表示部
８…試料
８ａ…２次元測定対象領域
８ｂ…微小領域（ピクセル）
２…データ処理部
３…データ記憶部
４…顕微画像処理部
５…制御部
６…操作部
７…表示部
８…試料
８ａ…２次元測定対象領域
８ｂ…微小領域（ピクセル）
Claims (6)
- 試料上の２次元領域内に設定された複数の微小領域に対しそれぞれ質量分析を実行することにより収集されたデータを処理する質量分析データ処理方法であって、
a)複数の微小領域毎に、その微小領域に対応したマススペクトルデータの強度情報を規格化する第１ステップと、
b)各微小領域において、規格化後のマススペクトルデータに基づいてエントロピーを計算する第２ステップと、
c)微小領域毎に求まったエントロピーの値に応じた表示色を与えることで各微小領域を色付けし、前記２次元領域に対応したカラー２次元画像を作成して表示する第３ステップと、
を有することを特徴とする質量分析データ処理方法 - 試料上の２次元領域内に設定された複数の微小領域に対しそれぞれ質量分析を実行することにより収集されたデータを処理する質量分析データ処理装置において、
a)複数の微小領域毎に、その微小領域に対応したマススペクトルデータの強度情報を規格化する規格化処理手段と、
b)各微小領域において、規格化後のマススペクトルデータに基づいてエントロピーを計算するエントロピー演算手段と、
c)微小領域毎に求まったエントロピーの値に応じた表示色を与えることで各微小領域を色付けし、前記２次元領域に対応したカラー２次元画像を作成して表示画面上に表示する表示情報形成手段と、
を備えることを特徴とする質量分析データ処理装置。 - 請求項２に記載の質量分析データ処理装置であって、
前記エントロピー演算手段は、マススペクトルの中の各質量電荷比の強度値の対数と強度値との積を質量電荷比範囲全体に亘って加算することによりエントロピーを算出することを特徴とする質量分析データ処理装置。 - 請求項２又は３に記載の質量分析データ処理装置であって、
前記規格化処理手段は、マススペクトルデータの強度情報に対し質量電荷比に応じて重み付けした規格化を行うことを特徴とする質量分析データ処理装置。 - 請求項２〜４のいずれかに記載の質量分析データ処理装置であって、
比較基準とする微小領域を設定する基準設定手段をさらに備え、
前記エントロピー演算手段は、前記基準設定手段により設定された比較基準の微小領域のエントロピーに対して微小領域毎の相対エントロピーを計算することを特徴とする質量分析データ処理装置。 - 請求項２〜５のいずれかに記載の質量分析データ処理装置であって、
前記規格化処理手段による規格化の前に、２次元領域内で隣接する又は近接する複数の微小領域のマススペクトルデータを加算又は平均化するビニング処理を実行するビニング処理手段をさらに備えることを特徴とする質量分析データ処理装置。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2010264751A JP5565810B2 (ja) | 2010-11-29 | 2010-11-29 | 質量分析データ処理方法及び装置 |
| US13/305,535 US8743138B2 (en) | 2010-11-29 | 2011-11-28 | Method and system for processing mass analysis data |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2010264751A JP5565810B2 (ja) | 2010-11-29 | 2010-11-29 | 質量分析データ処理方法及び装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2012117813A JP2012117813A (ja) | 2012-06-21 |
| JP5565810B2 true JP5565810B2 (ja) | 2014-08-06 |
Family
ID=46126316
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2010264751A Active JP5565810B2 (ja) | 2010-11-29 | 2010-11-29 | 質量分析データ処理方法及び装置 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US8743138B2 (ja) |
| JP (1) | JP5565810B2 (ja) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6006548B2 (ja) * | 2012-07-04 | 2016-10-12 | 株式会社 資生堂 | 成分分布可視化装置、成分分布可視化方法、及び成分分布可視化プログラム |
| JP5971184B2 (ja) * | 2013-04-22 | 2016-08-17 | 株式会社島津製作所 | イメージング質量分析データ処理方法及びイメージング質量分析装置 |
| CN105190303B (zh) * | 2013-04-22 | 2018-06-08 | 株式会社岛津制作所 | 成像质量分析数据处理方法及成像质量分析装置 |
| US9704066B2 (en) | 2015-03-20 | 2017-07-11 | Microsoft Technology Licensing, Llc | Multi-stage image classification |
| US11222773B2 (en) * | 2015-07-01 | 2022-01-11 | Shimadzu Corporation | Data processing device |
| JP6503966B2 (ja) * | 2015-08-05 | 2019-04-24 | 株式会社島津製作所 | 多変量解析結果表示装置 |
| TWI770189B (zh) * | 2017-07-21 | 2022-07-11 | 日商日立高新技術科學股份有限公司 | 質量分析裝置以及質量分析方法 |
| JP6994961B2 (ja) * | 2018-01-23 | 2022-01-14 | 日本電子株式会社 | マススペクトル処理装置及び方法 |
| JP7064894B2 (ja) * | 2018-02-01 | 2022-05-11 | 日本電子株式会社 | マススペクトル処理装置及び方法 |
| US10901726B2 (en) * | 2018-10-12 | 2021-01-26 | International Business Machines Corporation | Intelligent visual regression system |
| US11887827B2 (en) * | 2019-04-24 | 2024-01-30 | Shimadzu Corporation | Imaging analysis device |
| US11455579B2 (en) | 2019-09-27 | 2022-09-27 | International Business Machines Corporation | Location reservation signaling |
| JP7543824B2 (ja) * | 2020-10-09 | 2024-09-03 | セイコーエプソン株式会社 | 画像解析装置、画像解析方法、及び画像解析プログラム |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7617163B2 (en) * | 1998-05-01 | 2009-11-10 | Health Discovery Corporation | Kernels and kernel methods for spectral data |
| US7123750B2 (en) * | 2002-01-29 | 2006-10-17 | Pioneer Hi-Bred International, Inc. | Automated plant analysis method, apparatus, and system using imaging technologies |
| US7187800B2 (en) * | 2002-08-02 | 2007-03-06 | Computerized Medical Systems, Inc. | Method and apparatus for image segmentation using Jensen-Shannon divergence and Jensen-Renyi divergence |
| US7425700B2 (en) * | 2003-05-22 | 2008-09-16 | Stults John T | Systems and methods for discovery and analysis of markers |
| JP2005214799A (ja) * | 2004-01-29 | 2005-08-11 | Seikei Gakuen | データ解析装置、データ解析方法およびデータ解析プログラム |
| JP4766549B2 (ja) | 2005-08-29 | 2011-09-07 | 株式会社島津製作所 | レーザー照射質量分析装置 |
| JP2007157353A (ja) | 2005-11-30 | 2007-06-21 | Osaka Univ | イメージング質量分析装置 |
| JP2007257851A (ja) | 2006-03-20 | 2007-10-04 | Shimadzu Corp | 質量分析装置 |
| JP2007263714A (ja) * | 2006-03-28 | 2007-10-11 | Hokuriku Regional Development Bureau Ministry Land Infrastructure & Transport | 冬期の路面状態の判別方法および判別システム |
| US8173956B2 (en) * | 2006-07-19 | 2012-05-08 | Dh Technologies Pte. Ltd. | Dynamic pixel scanning for use with MALDI-MS |
| US8144320B2 (en) * | 2006-11-22 | 2012-03-27 | Optopo, Inc. | Method and apparatus for reconstructing optical spectra in a static multimode multiplex spectrometer |
-
2010
- 2010-11-29 JP JP2010264751A patent/JP5565810B2/ja active Active
-
2011
- 2011-11-28 US US13/305,535 patent/US8743138B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2012117813A (ja) | 2012-06-21 |
| US20120133671A1 (en) | 2012-05-31 |
| US8743138B2 (en) | 2014-06-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5565810B2 (ja) | 質量分析データ処理方法及び装置 | |
| US11776799B2 (en) | Data processing device | |
| JP5348029B2 (ja) | 質量分析データ処理方法及び装置 | |
| Van de Plas et al. | Image fusion of mass spectrometry and microscopy: a multimodality paradigm for molecular tissue mapping | |
| Bhargava | Towards a practical Fourier transform infrared chemical imaging protocol for cancer histopathology | |
| US10896813B2 (en) | Analysis data processing method and device | |
| Perry et al. | Integrated molecular imaging technologies for investigation of metals in biological systems: A brief review | |
| JP2011180134A (ja) | 質量信号のノイズ低減処理方法及び装置 | |
| WO2019150573A1 (ja) | データ解析装置 | |
| JP6179600B2 (ja) | 質量分析データ解析装置 | |
| Xiong et al. | Feature extraction approach for mass spectrometry imaging data using non-negative matrix factorization | |
| JP6939912B2 (ja) | イメージング質量分析用データ処理装置 | |
| CN112136041A (zh) | 成像数据处理装置 | |
| JP6477833B2 (ja) | データ処理装置 | |
| US10304671B2 (en) | Method for computer-assisted analysis of one or more tissue sections of the human or animal body | |
| Akbari Lakeh et al. | Discriminating normal regions within cancerous hen ovarian tissue using multivariate hyperspectral image analysis | |
| Gerhard et al. | Statistical classification and visualization of MALDI-imaging data | |
| WO2019150553A1 (ja) | イメージング質量分析装置 | |
| Trede et al. | Mathematical methods for imaging mass spectrometry | |
| WO2019150574A1 (ja) | イメージング質量分析装置 | |
| US20240153086A1 (en) | Imaging analysis device and imaging data analysis method | |
| Sarycheva et al. | Robust Simulation Of Imaging Mass Spectrometry Data. | |
| WO2020166008A1 (ja) | イメージング分析装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20130405 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20130405 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20140424 |
|
| 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: 20140527 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20140610 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 5565810 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| 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 |