JP5884914B2 - 自動分析方法、自動分析装置及び自動分析装置用プログラム - Google Patents
自動分析方法、自動分析装置及び自動分析装置用プログラム Download PDFInfo
- Publication number
- JP5884914B2 JP5884914B2 JP2014534210A JP2014534210A JP5884914B2 JP 5884914 B2 JP5884914 B2 JP 5884914B2 JP 2014534210 A JP2014534210 A JP 2014534210A JP 2014534210 A JP2014534210 A JP 2014534210A JP 5884914 B2 JP5884914 B2 JP 5884914B2
- Authority
- JP
- Japan
- Prior art keywords
- decomposition
- component
- multivariate curve
- components
- spectrum 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/86—Signal analysis
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/86—Signal analysis
- G01N30/8675—Evaluation, i.e. decoding of the signal into analytical information
- G01N30/8686—Fingerprinting, e.g. without prior knowledge of the sample components
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/86—Signal analysis
- G01N30/8696—Details of Software
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- 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
Description
本発明は、多変量カーブ分解を用いて試料に含まれる成分を分析するための自動分析方法、自動分析装置及び自動分析装置用プログラムに関するものである。
従来、多変量カーブ分解(MCR:Multivariate Curve Resolution)を用いて、試料に含まれる成分を分析することが一般的に行われている(例えば、特許文献1及び2参照)。多変量カーブ分解を用いることにより、試料に含まれる各成分の分解スペクトルデータを取得し、各分解スペクトルデータに基づいて成分を判別することができる。
分析時には、例えば試料表面上の複数の測定点においてスペクトルが検出され、各測定点におけるスペクトルに基づいて測定データ行列Dが得られる。この測定データ行列Dには、以下のような関係式(1)が成り立つ。ここで、Cは各測定点における各成分の濃度を表す濃度行列、STは各成分のスペクトルを並べたスペクトル行列Sの転置行列、Eは測定データ行列Dに含まれるノイズ成分を表す行列である。
D=CST+E ・・・(1)
D=CST+E ・・・(1)
多変量カーブ分解では、測定データ行列Dに基づいて、上記式(1)におけるEの要素の二乗和が最小になるようなC及びSTが算出される。このような処理は、例えば交互最小二乗法(ALS:Alternative Least Square)などの周知のアルゴリズムを用いて行うことができる。算出されたSTより得られるスペクトル行列Sの各列のスペクトルは、多変量カーブ分解により得られる各成分の分解スペクトルデータを構成している。
多変量カーブ分解では、事前に分解する成分数を設定する必要がある。k個の成分が試料に含まれていると仮定した場合、多変量カーブ分解により得られる濃度行列Ck、スペクトル行列Skを用いて、データ行列の分解結果を下記式(2)で表すことができる。ただし、Sk Tはスペクトル行列Skの転置行列、Ekは残差行列である。この際、仮定した成分数kが実在する成分数と異なっている場合、濃度行列Ck、スペクトル行列Skより得られるスペクトルと成分の濃度分布は、試料に実在する成分のスペクトル、及び濃度分布と異なったものとなる。そのため妥当な分解結果を得るためには、試料に実在する成分数を設定した上で多変量カーブ分解を行う必要がある。
D=CkSk T+Ek ・・・(2)
D=CkSk T+Ek ・・・(2)
上記のような多変量カーブ分解を用いた分析方法では、分解する成分数を事前に設定しなければならない。そのため、未知の試料を分析する場合には、その試料に含まれる成分数を何らかの方法で推定しなければならないという問題がある。
そこで、例えば分析者がそれぞれのスペクトルのピークを確認することにより、試料に含まれる成分数を推定する方法が考えられる。しかしながら、このような方法では、分析者がスペクトル解析を熟知していなければならない上、ピークが微小な成分の特定が困難である。
また、例えばスペクトルの検出結果に基づいて主成分分析を行い、累積寄与率が所定の閾値を超えるまでの主成分の数を成分数とする方法や、Malinowskiの経験的関数INDを用いる方法など、他の各種方法で試料に含まれる成分数を推定することも考えられるが、それぞれの方法によって得られる成分数の推定値にばらつきがあり、いずれの方法を採用するかによって結果にばらつきが生じるという問題がある。
本発明は、上記実情に鑑みてなされたものであり、試料に含まれる成分数をより正確かつ容易に判別することができる自動分析方法、自動分析装置及び自動分析装置用プログラムを提供することを目的とする。
本発明に係る自動分析方法は、試料に含まれる成分数として暫定成分数を用いて多変量カーブ分解を実行することにより、暫定成分数と同数の分解スペクトルデータを取得する多変量カーブ分解実行処理ステップと、多変量カーブ分解により得られた各分解スペクトルデータに基づいて、成分を判別する成分判別処理ステップと、成分の判別結果に基づいて、試料に含まれる成分数を決定する成分数決定処理ステップとを含み、前記多変量カーブ分解実行処理ステップでは、多変量カーブ分解により得られた全ての分解スペクトルデータについて異なる成分と判別される場合の暫定成分数と、多変量カーブ分解により得られた各分解スペクトルデータのうち少なくとも2つの分解スペクトルデータについて同一の成分と判別される場合の暫定成分数との境界値が得られるまで、多変量カーブ分解を繰り返し実行し、前記成分数決定処理ステップでは、前記境界値に基づいて試料に含まれる成分数を決定することを特徴とする。
このような構成によれば、暫定成分数を用いた多変量カーブ分解により得られる各分解スペクトルデータに基づいて、成分を判別し、その判別結果に基づいて試料に含まれる成分数を決定することができる。このとき、多変量カーブ分解により得られた全ての分解スペクトルデータについて異なる成分と判別される場合の暫定成分数と、多変量カーブ分解により得られた各分解スペクトルデータのうち少なくとも2つの分解スペクトルデータについて同一の成分と判別される場合の暫定成分数との境界値が得られるまで、多変量カーブ分解を繰り返し実行することにより、その境界値に基づいて、試料に含まれる成分数をより正確かつ容易に判別することができる。
前記多変量カーブ分解実行処理ステップでは、多変量カーブ分解により得られた全ての分解スペクトルデータについて異なる成分と判別された場合に、多変量カーブ分解により得られた各分解スペクトルデータのうち少なくとも2つの分解スペクトルデータについて同一の成分と判別されるまで、暫定成分数を1つずつ増加させて多変量カーブ分解を繰り返し実行してもよい。この場合、前記成分数決定処理ステップでは、多変量カーブ分解により得られた各分解スペクトルデータのうち少なくとも2つの分解スペクトルデータについて同一の成分と判別された場合に、そのときの暫定成分数を前記境界値として、当該境界値から1つだけ減算した値を試料に含まれる成分数に決定してもよい。
このような構成によれば、多変量カーブ分解により得られた全ての分解スペクトルデータについて異なる成分と判別された場合に、多変量カーブ分解により得られた各分解スペクトルデータのうち少なくとも2つの分解スペクトルデータについて同一の成分と判別されるまで、暫定成分数を1つずつ増加させて多変量カーブ分解を繰り返し実行することにより得られた境界値(暫定成分数)に基づいて、試料に含まれる成分数をより正確かつ容易に判別することができる。
前記多変量カーブ分解実行処理ステップでは、暫定成分数が所定の繰り返し判定値に到達した場合に、多変量カーブ分解の実行を終了してもよい。
このような構成によれば、ノイズ成分などに起因して、多変量カーブ分解が想定外に繰り返されるのを防止することができるため、分析時間を短縮することができる。
前記成分判別処理ステップでは、既知成分のスペクトルデータのライブラリを用いて、多変量カーブ分解により得られた各分解スペクトルデータを前記ライブラリのスペクトルデータと比較することにより、成分を判別してもよい。
このような構成によれば、既知成分のスペクトルデータのライブラリを用いて成分を判別することにより、試料に含まれる成分数の判別と同時に、試料に含まれる成分の同定も行うことができるため、試料の分析を効率よく行うことができる。
前記成分判別処理ステップでは、多変量カーブ分解により得られた各分解スペクトルデータ同士を比較して、それらの類似度が所定の閾値以上であるか否かに基づいて、成分を判別してもよい。
このような構成によれば、各分解スペクトルデータ同士の類似度が所定の閾値以上であるか否かに基づいて成分を判別することにより、試料に含まれる成分数を短時間で判別することができる。
前記自動分析方法は、前記成分判別処理ステップで判別された成分の濃度分布をケミカルイメージとして表示する濃度分布表示処理ステップをさらに含んでいてもよい。
このような構成によれば、成分の濃度分布をケミカルイメージとして表示することにより、分析結果を分かりやすく表示することができる。
本発明に係る自動分析装置は、試料に含まれる成分数として暫定成分数を用いて多変量カーブ分解を実行することにより、暫定成分数と同数の分解スペクトルデータを取得する多変量カーブ分解実行処理部と、多変量カーブ分解により得られた各分解スペクトルデータに基づいて、成分を判別する成分判別処理部と、成分の判別結果に基づいて、試料に含まれる成分数を決定する成分数決定処理部とを備え、前記多変量カーブ分解実行処理部は、多変量カーブ分解により得られた全ての分解スペクトルデータについて異なる成分と判別される場合の暫定成分数と、多変量カーブ分解により得られた各分解スペクトルデータのうち少なくとも2つの分解スペクトルデータについて同一の成分と判別される場合の暫定成分数との境界値が得られるまで、多変量カーブ分解を繰り返し実行し、前記成分数決定処理部は、前記境界値に基づいて試料に含まれる成分数を決定することを特徴とする。
本発明に係る自動分析装置用プログラムは、試料に含まれる成分数として暫定成分数を用いて多変量カーブ分解を実行することにより、暫定成分数と同数の分解スペクトルデータを取得する多変量カーブ分解実行処理部と、多変量カーブ分解により得られた各分解スペクトルデータに基づいて、成分を判別する成分判別処理部と、成分の判別結果に基づいて、試料に含まれる成分数を決定する成分数決定処理部としてコンピュータを機能させ、前記多変量カーブ分解実行処理部は、多変量カーブ分解により得られた全ての分解スペクトルデータについて異なる成分と判別される場合の暫定成分数と、多変量カーブ分解により得られた各分解スペクトルデータのうち少なくとも2つの分解スペクトルデータについて同一の成分と判別される場合の暫定成分数との境界値が得られるまで、多変量カーブ分解を繰り返し実行し、前記成分数決定処理部は、前記境界値に基づいて試料に含まれる成分数を決定することを特徴とする。
本発明によれば、暫定成分数を用いた多変量カーブ分解により得られる各分解スペクトルデータに基づいて、成分を判別し、その判別結果に基づいて試料に含まれる成分数を決定することにより、試料に含まれる成分数をより正確かつ容易に判別することができる。
図1は、本発明の一実施形態に係る自動分析装置の構成例を示したブロック図である。この自動分析装置は、多変量カーブ分解(MCR)を用いて試料に含まれる成分を分析するための装置であり、制御部1、データ入力部2、操作部3、表示部4、多変量カーブ分解結果記憶部5、ライブラリ記憶部6及びスペクトル検索結果記憶部7などを備えている。
制御部1は、例えばCPU(Central Processing Unit)を含む構成であり、プログラムを実行することにより、多変量カーブ分解実行処理部11、成分判別処理部12、成分数決定処理部13及び濃度分布表示処理部14などの各種機能部として機能する。分析時には、測定装置(図示せず)により、例えば試料表面上の複数の測定点(試料表面上の複数の分割領域など)においてスペクトルが検出され、各測定点におけるスペクトルに基づいて測定データ行列Dが得られる。
測定データ行列Dは、例えばn個の測定点におけるスペクトルを表す列ベクトルd1、d2、・・・、dnを転置して、縦に並べた行列として得ることができる。このようにして得られた測定データ行列Dが、データ入力部2を介して制御部1に入力される。データ入力部2は、測定装置に対して有線又は無線により接続可能な構成であってもよいし、測定装置で得られたデータが記憶媒体を介してデータ入力部2に入力されるような構成などであってもよい。また、本発明に係る自動分析装置を測定装置と一体的に構成することも可能である。
多変量カーブ分解結果記憶部5、ライブラリ記憶部6及びスペクトル検索結果記憶部7は、1つ又は複数のメモリにより構成することができ、例えばROM(Read Only Memory)又はRAM(Random Access Memory)などにより構成することができる。操作部3は、例えばキーボード又はマウスを含む構成であり、分析者が操作部3を操作することにより入力作業などを行うことができるようになっている。表示部4は、例えば液晶表示器などにより構成することができ、分析結果などを表示部4に表示することができるようになっている。
多変量カーブ分解実行処理部11は、データ入力部2から入力される測定データ行列Dに基づいて多変量カーブ分解を実行する。多変量カーブ分解を実行するためには、分解する成分数を事前に設定しなければならないため、本実施形態では、試料に含まれる成分数として暫定成分数kを設定し、当該暫定成分数kを用いて多変量カーブ分解を実行するようになっている。
多変量カーブ分解では、測定データ行列Dに基づいて、下記式(3)における残差行列Ekの要素の二乗和が最小になるような濃度行列Ck及びスペクトル行列Skが算出される。このような処理は、例えば交互最小二乗法(ALS)などの周知のアルゴリズムを用いて行うことができる。なお、下記式(3)におけるSk Tは、スペクトル行列Skの転置行列である。
D=CkSk T+Ek ・・・(3)
D=CkSk T+Ek ・・・(3)
上記のようにして算出(分解)された濃度行列Ck及びスペクトル行列Skは、互いに対応付けられた状態で多変量カーブ分解結果記憶部5に記憶される。ここで、スペクトル行列Skの各列のスペクトルは、多変量カーブ分解により得られる各成分の分解スペクトルデータを構成しており、暫定成分数kと同数の分解スペクトルデータが取得されることとなる。
成分判別処理部12は、多変量カーブ分解により得られた各分解スペクトルデータに基づいて成分を判別する。本実施形態では、ライブラリ記憶部6に記憶されている既知成分のスペクトルデータ(既知スペクトルデータ)のライブラリを用いて、成分を判別することができるようになっている。
具体的には、多変量カーブ分解により得られた各分解スペクトルデータが、ライブラリ記憶部6に記憶されているライブラリの各既知スペクトルデータと比較されることにより、一致する成分の検索(スペクトル検索)が行われる。このスペクトル検索は、例えば各分解スペクトルデータと各既知スペクトルデータとの類似度を算出し、最も類似度が高い既知スペクトルデータに対応する成分を検索結果とすることにより行うことができる。これにより、各分解スペクトルデータに対応する成分を判別(同定)することができ、その判別結果(スペクトル検索結果)がスペクトル検索結果記憶部7に記憶されるようになっている。
本実施形態では、初期値として暫定成分数kを「2」に設定して多変量カーブ分解を実行するようになっている。そして、多変量カーブ分解により得られた全ての分解スペクトルデータについて異なる成分と判別された場合には、多変量カーブ分解により得られた各分解スペクトルデータのうち少なくとも2つの分解スペクトルデータについて同一の成分と判別されるまで、暫定成分数kを1つずつ増加させて多変量カーブ分解を繰り返し実行するようになっている。
すなわち、多変量カーブ分解により得られた全ての分解スペクトルデータについて異なる成分と判別されている間は、まだ別の成分が試料に含まれている可能性があるため、暫定成分数kを1つ増加させて多変量カーブ分解を実行する。このようにして、暫定成分数kを1つずつ増加させて多変量カーブ分解を繰り返し実行した結果、多変量カーブ分解により得られた各分解スペクトルデータのうち少なくとも2つの分解スペクトルデータについて同一の成分と判別されたときには、暫定成分数kが実際の成分数を超えていると判別することができる。
実際の成分数を超えていると判別されたときの暫定成分数kは、多変量カーブ分解により得られた全ての分解スペクトルデータについて異なる成分と判別される場合の暫定成分数(k−1)と、多変量カーブ分解により得られた各分解スペクトルデータのうち少なくとも2つの分解スペクトルデータについて同一の成分と判別される場合の暫定成分数(k)との境界値である。本実施形態では、このような境界値(暫定成分数k)が得られるまで多変量カーブ分解を繰り返し実行し、得られた境界値に基づいて試料に含まれる成分数を決定することができるようになっている。
成分数決定処理部13は、成分判別処理部12による成分の判別結果に基づいて、試料に含まれる成分数を決定する。本実施形態では、上記のようにして得られた境界値(暫定成分数k)に基づいて、当該境界値から1つだけ減算した値(k−1)が試料に含まれる成分数に決定されるようになっている。すなわち、多変量カーブ分解により得られた各分解スペクトルデータのうち少なくとも2つの分解スペクトルデータについて同一の成分と判別された場合に、そのときの暫定成分数kを前記境界値として、当該境界値から1つだけ減算した値を試料に含まれる成分数に決定するような構成となっている。
濃度分布表示処理部14は、成分判別処理部12で判別された成分の濃度分布をケミカルイメージとして表示部4に表示する。具体的には、多変量カーブ分解により得られた濃度行列Ckを多変量カーブ分解結果記憶部5から読み出し、試料表面上の各測定点における各成分の濃度をイメージデータとして表示部4に表示する。このように、成分の濃度分布をケミカルイメージとして表示することにより、分析結果を分かりやすく表示することができる。
図2は、暫定成分数k=2で多変量カーブ分解を実行した場合の分解スペクトルデータの一例を示した図である。この例において、多変量カーブ分解で得られた2つの分解スペクトルデータは、それぞれ図2(a)、(b)に示すように全く異なっており、成分判別処理部12におけるスペクトル検索により、2つの分解スペクトルデータについて異なる成分と判別される。
このように、多変量カーブ分解により得られた2つの分解スペクトルデータについて異なる成分と判別された場合には、まだ別の成分が試料に含まれている可能性があるため、暫定成分数kを1つ増加させ、暫定成分数k=3で多変量カーブ分解が再度実行されることとなる。
図3は、暫定成分数k=3で多変量カーブ分解を実行した場合の分解スペクトルデータの一例を示した図である。この例において、多変量カーブ分解で得られた3つの分解スペクトルデータは、それぞれ図3(a)、(b)、(c)に示す通りであり、(b)と(c)の分解スペクトルデータが類似している。
このような互いに類似する分解スペクトルデータについて、成分判別処理部12におけるスペクトル検索により同一の成分と判別された場合には、暫定成分数kが実際の成分数を超えていると判別することができる。この場合、暫定成分数kから1つだけ減算した値である「2」が試料に含まれる成分数に決定されることとなる。
図4は、制御部1による処理の一例を示したフローチャートである。分析時には、まず、試料表面上の複数の測定点において検出されたスペクトルに基づいて、測定データ行列Dが取得される(ステップS101)。その後、暫定成分数kが「2」に設定され(ステップS102)、当該暫定成分数kを用いて多変量カーブ分解が実行される(ステップS103:多変量カーブ分解実行処理ステップ)。
多変量カーブ分解の結果、濃度行列Ck及びスペクトル行列Skが取得され、多変量カーブ分解結果記憶部5に記憶される。そして、スペクトル行列Skの各列のスペクトルを構成している各成分の分解スペクトルデータに対し、ライブラリ記憶部6に記憶されているライブラリの各既知スペクトルデータを用いてスペクトル検索が実行される(ステップS104:成分判別処理ステップ)。
スペクトル検索の結果、多変量カーブ分解により得られた全ての分解スペクトルデータについて異なる成分と判別された場合には(ステップS105でYes)、それらの各成分についてのスペクトル検索結果がスペクトル検索結果記憶部7に記憶された上で(ステップS106)、そのときの暫定成分数kが所定の繰り返し判定値に到達しているか否かが判定される(ステップS107)。
前記繰り返し判定値は、3以上の任意の値に設定することができる。当該繰り返し判定値は、規定値として予め設定された構成であってもよいし、分析者が操作部3を操作することにより設定できるような構成などであってもよい。また、例えば主成分分析などを用いて、累積寄与率から予測した成分数に基づいて前記繰り返し判定値を設定することも可能である。
1回目の多変量カーブ分解が実行された時点では、暫定成分数kが「2」であり、繰り返し判定値に到達していないため(ステップS107でNo)、暫定成分数kを1つ増加させて「3」とした後(ステップS108)、多変量カーブ分解を再度実行する(ステップS103:多変量カーブ分解実行処理ステップ)。本実施形態では、多変量カーブ分解により得られた各分解スペクトルデータのうち少なくとも2つの分解スペクトルデータについて同一の成分と判別されるまで(ステップS105でNoとなるまで)、暫定成分数kを1つずつ増加させて多変量カーブ分解が繰り返し実行される。
このようにしてステップS103〜S108が繰り返される過程で、暫定成分数kが繰り返し判定値に到達した場合には(ステップS107でYes)、多変量カーブ分解の実行を終了する。この場合には、そのときの暫定成分数kから1つだけ減算した値(k−1)が試料に含まれる成分数に決定され(ステップS113:成分数決定処理ステップ)、分析結果として、各成分の濃度分布がケミカルイメージで表示部4に表示される(ステップS114:濃度分布表示処理ステップ)。このように、暫定成分数kが繰り返し判定値に到達して、多変量カーブ分解の実行を終了した場合には、その旨が表示部4に表示されるような構成となっていてもよい。
暫定成分数kが繰り返し判定値に到達することなく、多変量カーブ分解により得られた各分解スペクトルデータのうち少なくとも2つの分解スペクトルデータについて同一の成分と判別された場合には(ステップS105でNo)、そのときの暫定成分数kが「2」であるか否かが判定される(ステップS109)。
暫定成分数kが「2」でない場合には(ステップS109でNo)、そのときの暫定成分数kから1つだけ減算した値(k−1)が試料に含まれる成分数に決定され(ステップS113:成分数決定処理ステップ)、分析結果として、各成分の濃度分布がケミカルイメージで表示部4に表示される(ステップS114:濃度分布表示処理ステップ)。
一方、暫定成分数kが「2」である場合(ステップS109でYes)、すなわち暫定成分数kが初期値のままである場合には、成分数を「1」として多変量カーブ分解が実行され(ステップS110)、その結果取得された濃度行列C1及びスペクトル行列S1が多変量カーブ分解結果記憶部5に記憶される。そして、スペクトル行列S1のスペクトルを構成している1成分の分解スペクトルデータに対し、ライブラリ記憶部6に記憶されているライブラリの各既知スペクトルデータを用いてスペクトル検索が実行される(ステップS111)。
スペクトル検索の結果は、スペクトル検索結果記憶部7に記憶される(ステップS112)。このとき、暫定成分数kは「2」であるため、暫定成分数kから1つだけ減算した値である「1」が試料に含まれる成分数に決定され(ステップS113:成分数決定処理ステップ)、分析結果として、当該成分の濃度分布がケミカルイメージで表示部4に表示される(ステップS114:濃度分布表示処理ステップ)。
ただし、表示部4に対する各成分の濃度分布(ケミカルイメージ)の表示は、上述のような多変量カーブ分解を含む一連の処理において行われるような構成に限らず、分析者による操作部3の操作に応答して、表示部4に各成分の濃度分布が表示されるような構成などであってもよい。
本実施形態では、暫定成分数kを用いた多変量カーブ分解により得られる各分解スペクトルデータに基づいて、成分を判別し、その判別結果に基づいて試料に含まれる成分数を決定することができる。このとき、多変量カーブ分解により得られた全ての分解スペクトルデータについて異なる成分と判別される場合の暫定成分数と、多変量カーブ分解により得られた各分解スペクトルデータのうち少なくとも2つの分解スペクトルデータについて同一の成分と判別される場合の暫定成分数との境界値が得られるまで、多変量カーブ分解を繰り返し実行することにより、その境界値に基づいて、試料に含まれる成分数をより正確かつ容易に判別することができる。
特に、本実施形態では、多変量カーブ分解により得られた全ての分解スペクトルデータについて異なる成分と判別された場合に、多変量カーブ分解により得られた各分解スペクトルデータのうち少なくとも2つの分解スペクトルデータについて同一の成分と判別されるまで、暫定成分数kを1つずつ増加させて多変量カーブ分解を繰り返し実行することにより得られた境界値(暫定成分数k)に基づいて、試料に含まれる成分数をより正確かつ容易に判別することができる。
また、本実施形態では、暫定成分数kが所定の繰り返し判定値に到達した場合には、多変量カーブ分解の実行を終了するようになっている。これにより、ノイズ成分などに起因して、多変量カーブ分解が想定外に繰り返されるのを防止することができるため、分析時間を短縮することができる。
さらに、既知成分のスペクトルデータ(既知スペクトルデータ)のライブラリを用いて成分を判別することにより、試料に含まれる成分数の判別と同時に、試料に含まれる成分の同定も行うことができるため、試料の分析を効率よく行うことができる。
図5は、別実施形態に係る自動分析装置の制御部1による処理の一例を示したフローチャートである。本実施形態では、既知スペクトルデータのライブラリを用いたスペクトル検索により試料に含まれる成分を判別(同定)するのではなく、多変量カーブ分解により得られた各分解スペクトルデータ同士を比較することにより成分を判別(区別)するようになっている点が、上記実施形態とは異なっている。
分析時には、まず、試料表面上の複数の測定点において検出されたスペクトルに基づいて、測定データ行列Dが取得される(ステップS201)。その後、暫定成分数kが「2」に設定され(ステップS202)、当該暫定成分数kを用いて多変量カーブ分解が実行される(ステップS203:多変量カーブ分解実行処理ステップ)。
多変量カーブ分解の結果、濃度行列Ck及びスペクトル行列Skが取得され、多変量カーブ分解結果記憶部5に記憶される。そして、スペクトル行列Skの各列のスペクトルを構成している各成分の分解スペクトルデータ同士の類似度を算出することにより、成分が判別される(ステップS204:成分判別処理ステップ)。
具体的には、各分解スペクトルデータ同士の類似度が所定の閾値以上であるか否かに基づいて、成分が判別される。すなわち、各分解スペクトルデータ同士の類似度が所定の閾値以上であれば、互いに同一の成分であると判別することができ、各分解スペクトルデータ同士の類似度が所定の閾値未満であれば、互いに異なる成分であると判別することができる。
その結果、多変量カーブ分解により得られた全ての分解スペクトルデータについて異なる成分と判別された場合には(ステップS205でYes)、そのときの暫定成分数kが所定の繰り返し判定値に到達しているか否かが判定される(ステップS206)。
前記繰り返し判定値は、3以上の任意の値に設定することができる。当該繰り返し判定値は、規定値として予め設定された構成であってもよいし、分析者が操作部3を操作することにより設定できるような構成などであってもよい。また、例えば主成分分析などを用いて、累積寄与率から予測した成分数に基づいて前記繰り返し判定値を設定することも可能である。
1回目の多変量カーブ分解が実行された時点では、暫定成分数kが「2」であり、繰り返し判定値に到達していないため(ステップS206でNo)、暫定成分数kを1つ増加させて「3」とした後(ステップS207)、多変量カーブ分解を再度実行する(ステップS203:多変量カーブ分解実行処理ステップ)。本実施形態では、多変量カーブ分解により得られた各分解スペクトルデータのうち少なくとも2つの分解スペクトルデータについて同一の成分と判別されるまで(ステップS205でNoとなるまで)、暫定成分数kを1つずつ増加させて多変量カーブ分解が繰り返し実行される。
このようにしてステップS203〜S207が繰り返される過程で、暫定成分数kが繰り返し判定値に到達した場合には(ステップS206でYes)、多変量カーブ分解の実行を終了する。この場合には、そのときの暫定成分数kから1つだけ減算した値(k−1)が試料に含まれる成分数に決定され(ステップS210:成分数決定処理ステップ)、分析結果として、各成分の濃度分布がケミカルイメージで表示部4に表示される(ステップS211:濃度分布表示処理ステップ)。このように、暫定成分数kが繰り返し判定値に到達して、多変量カーブ分解の実行を終了した場合には、その旨が表示部4に表示されるような構成となっていてもよい。
暫定成分数kが繰り返し判定値に到達することなく、多変量カーブ分解により得られた各分解スペクトルデータのうち少なくとも2つの分解スペクトルデータについて同一の成分と判別された場合には(ステップS205でNo)、そのときの暫定成分数kが「2」であるか否かが判定される(ステップS208)。
暫定成分数kが「2」でない場合には(ステップS208でNo)、そのときの暫定成分数kから1つだけ減算した値(k−1)が試料に含まれる成分数に決定され(ステップS210:成分数決定処理ステップ)、分析結果として、各成分の濃度分布がケミカルイメージで表示部4に表示される(ステップS211:濃度分布表示処理ステップ)。
一方、暫定成分数kが「2」である場合(ステップS208でYes)、すなわち暫定成分数kが初期値のままである場合には、成分数を「1」として多変量カーブ分解が実行される(ステップS209)。このとき、暫定成分数kは「2」であるため、暫定成分数kから1つだけ減算した値である「1」が試料に含まれる成分数に決定され(ステップS210:成分数決定処理ステップ)、分析結果として、当該成分の濃度分布がケミカルイメージで表示部4に表示される(ステップS211:濃度分布表示処理ステップ)。
ただし、表示部4に対する各成分の濃度分布(ケミカルイメージ)の表示は、上述のような多変量カーブ分解を含む一連の処理において行われるような構成に限らず、分析者による操作部3の操作に応答して、表示部4に各成分の濃度分布が表示されるような構成などであってもよい。また、多変量カーブ分解により得られたスペクトル行列Skに基づいて、試料に含まれる成分の同定が別途行われるような構成であってもよい。
本実施形態では、各分解スペクトルデータ同士の類似度が所定の閾値以上であるか否かに基づいて成分を判別することにより、試料に含まれる成分数を短時間で判別することができる。
以下では、乳糖と葉酸の2成分が混合された試料を用いて、スペクトル検索により成分数を判別した実施例について説明する。なお、この実施例における試料表面上の測定点は、441点(21行×21列)である。
図6は、本発明の実施例において暫定成分数k=2で多変量カーブ分解を実行した場合の分解スペクトルデータを示した図である。図6(a)の分解スペクトルデータについては、スペクトル検索の結果、乳糖と判別された。一方、図6(b)の分解スペクトルデータについては、スペクトル検索の結果、葉酸と判別された。
このように、多変量カーブ分解により得られた2つの分解スペクトルデータについて異なる成分と判別された場合には、まだ別の成分が試料に含まれている可能性があるため、暫定成分数kを1つ増加させ、暫定成分数k=3で多変量カーブ分解を再度実行した。
図7は、本発明の実施例において暫定成分数k=3で多変量カーブ分解を実行した場合の分解スペクトルデータを示した図である。図7(a)及び(b)の分解スペクトルデータについては、スペクトル検索の結果、いずれも乳糖と判別された。一方、図7(c)の分解スペクトルデータについては、スペクトル検索の結果、葉酸と判別された。
このように、スペクトル検索により同一の成分(乳糖)と判別された分解スペクトルデータが存在する場合には、暫定成分数kが実際の成分数を超えていると判別することができる。この場合、暫定成分数kから1つだけ減算した値である「2」が試料に含まれる成分数に決定されることとなるが、この値は試料に含まれる実際の成分数と一致しており、試料に含まれる成分数を正確に判別できることが確認された。
以上の実施形態では、暫定成分数kの初期値を「2」に設定して多変量カーブ分解を実行するような構成について説明した。しかし、暫定成分数kの初期値は「2」に限らず、他の任意の値に設定することができる。この場合、暫定成分数kの初期値を分析者が任意の値に設定できるような構成とすることも可能である。
また、暫定成分数kを1つずつ増加させて多変量カーブ分解を繰り返し実行するような構成に限らず、例えば暫定成分数kを1つずつ減少させて多変量カーブ分解を繰り返し実行するような構成などであってもよい。すなわち、多変量カーブ分解により得られた全ての分解スペクトルデータについて異なる成分と判別される場合の暫定成分数kと、多変量カーブ分解により得られた各分解スペクトルデータのうち少なくとも2つの分解スペクトルデータについて同一の成分と判別される場合の暫定成分数kとの境界値が得られるまで、多変量カーブ分解を繰り返し実行するような構成であれば、その具体的態様としては、他のあらゆる態様を採用することができる。
また、上述のような自動分析装置としてコンピュータを機能させるためのプログラム(自動分析装置用プログラム)を提供することも可能である。この場合、前記プログラムは、記憶媒体に記憶された状態で提供されるような構成であってもよいし、プログラム自体が提供されるような構成であってもよい。
1 制御部
2 データ入力部
3 操作部
4 表示部
5 多変量カーブ分解結果記憶部
6 ライブラリ記憶部
7 スペクトル検索結果記憶部
11 多変量カーブ分解実行処理部
12 成分判別処理部
13 成分数決定処理部
14 濃度分布表示処理部
2 データ入力部
3 操作部
4 表示部
5 多変量カーブ分解結果記憶部
6 ライブラリ記憶部
7 スペクトル検索結果記憶部
11 多変量カーブ分解実行処理部
12 成分判別処理部
13 成分数決定処理部
14 濃度分布表示処理部
Claims (8)
- 試料に含まれる成分数として暫定成分数を用いて多変量カーブ分解を実行することにより、暫定成分数と同数の分解スペクトルデータを取得する多変量カーブ分解実行処理ステップと、
多変量カーブ分解により得られた各分解スペクトルデータに基づいて、成分を判別する成分判別処理ステップと、
成分の判別結果に基づいて、試料に含まれる成分数を決定する成分数決定処理ステップとを含み、
前記多変量カーブ分解実行処理ステップでは、多変量カーブ分解により得られた全ての分解スペクトルデータについて異なる成分と判別される場合の暫定成分数と、多変量カーブ分解により得られた各分解スペクトルデータのうち少なくとも2つの分解スペクトルデータについて同一の成分と判別される場合の暫定成分数との境界値が得られるまで、多変量カーブ分解を繰り返し実行し、
前記成分数決定処理ステップでは、前記境界値に基づいて試料に含まれる成分数を決定することを特徴とする自動分析方法。 - 前記多変量カーブ分解実行処理ステップでは、多変量カーブ分解により得られた全ての分解スペクトルデータについて異なる成分と判別された場合に、多変量カーブ分解により得られた各分解スペクトルデータのうち少なくとも2つの分解スペクトルデータについて同一の成分と判別されるまで、暫定成分数を1つずつ増加させて多変量カーブ分解を繰り返し実行し、
前記成分数決定処理ステップでは、多変量カーブ分解により得られた各分解スペクトルデータのうち少なくとも2つの分解スペクトルデータについて同一の成分と判別された場合に、そのときの暫定成分数を前記境界値として、当該境界値から1つだけ減算した値を試料に含まれる成分数に決定することを特徴とする請求項1に記載の自動分析方法。 - 前記多変量カーブ分解実行処理ステップでは、暫定成分数が所定の繰り返し判定値に到達した場合に、多変量カーブ分解の実行を終了することを特徴とする請求項2に記載の自動分析方法。
- 前記成分判別処理ステップでは、既知成分のスペクトルデータのライブラリを用いて、多変量カーブ分解により得られた各分解スペクトルデータを前記ライブラリのスペクトルデータと比較することにより、成分を判別することを特徴とする請求項1〜3のいずれかに記載の自動分析方法。
- 前記成分判別処理ステップでは、多変量カーブ分解により得られた各分解スペクトルデータ同士を比較して、それらの類似度が所定の閾値以上であるか否かに基づいて、成分を判別することを特徴とする請求項1〜3のいずれかに記載の自動分析方法。
- 前記成分判別処理ステップで判別された成分の濃度分布をケミカルイメージとして表示する濃度分布表示処理ステップをさらに含むことを特徴とする請求項1〜5のいずれかに記載の自動分析方法。
- 試料に含まれる成分数として暫定成分数を用いて多変量カーブ分解を実行することにより、暫定成分数と同数の分解スペクトルデータを取得する多変量カーブ分解実行処理部と、
多変量カーブ分解により得られた各分解スペクトルデータに基づいて、成分を判別する成分判別処理部と、
成分の判別結果に基づいて、試料に含まれる成分数を決定する成分数決定処理部とを備え、
前記多変量カーブ分解実行処理部は、多変量カーブ分解により得られた全ての分解スペクトルデータについて異なる成分と判別される場合の暫定成分数と、多変量カーブ分解により得られた各分解スペクトルデータのうち少なくとも2つの分解スペクトルデータについて同一の成分と判別される場合の暫定成分数との境界値が得られるまで、多変量カーブ分解を繰り返し実行し、
前記成分数決定処理部は、前記境界値に基づいて試料に含まれる成分数を決定することを特徴とする自動分析装置。 - 試料に含まれる成分数として暫定成分数を用いて多変量カーブ分解を実行することにより、暫定成分数と同数の分解スペクトルデータを取得する多変量カーブ分解実行処理部と、
多変量カーブ分解により得られた各分解スペクトルデータに基づいて、成分を判別する成分判別処理部と、
成分の判別結果に基づいて、試料に含まれる成分数を決定する成分数決定処理部としてコンピュータを機能させ、
前記多変量カーブ分解実行処理部は、多変量カーブ分解により得られた全ての分解スペクトルデータについて異なる成分と判別される場合の暫定成分数と、多変量カーブ分解により得られた各分解スペクトルデータのうち少なくとも2つの分解スペクトルデータについて同一の成分と判別される場合の暫定成分数との境界値が得られるまで、多変量カーブ分解を繰り返し実行し、
前記成分数決定処理部は、前記境界値に基づいて試料に含まれる成分数を決定することを特徴とする自動分析装置用プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014534210A JP5884914B2 (ja) | 2012-09-07 | 2013-04-02 | 自動分析方法、自動分析装置及び自動分析装置用プログラム |
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012196962 | 2012-09-07 | ||
JP2012196962 | 2012-09-07 | ||
JP2014534210A JP5884914B2 (ja) | 2012-09-07 | 2013-04-02 | 自動分析方法、自動分析装置及び自動分析装置用プログラム |
PCT/JP2013/060099 WO2014038234A1 (ja) | 2012-09-07 | 2013-04-02 | 自動分析方法、自動分析装置及び自動分析装置用プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP5884914B2 true JP5884914B2 (ja) | 2016-03-15 |
JPWO2014038234A1 JPWO2014038234A1 (ja) | 2016-08-08 |
Family
ID=50236859
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014534210A Active JP5884914B2 (ja) | 2012-09-07 | 2013-04-02 | 自動分析方法、自動分析装置及び自動分析装置用プログラム |
Country Status (4)
Country | Link |
---|---|
US (1) | US10330652B2 (ja) |
EP (1) | EP2894460B1 (ja) |
JP (1) | JP5884914B2 (ja) |
WO (1) | WO2014038234A1 (ja) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011257288A (ja) * | 2010-06-10 | 2011-12-22 | Fujitsu Ltd | スペクトル解析方法及びスペクトル解析装置 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3020885B2 (ja) * | 1997-03-17 | 2000-03-15 | 日本バイリーン株式会社 | 裁断パターン補正方法、裁断パターン補正システムおよび裁断パターン補正用記憶媒体 |
US6341257B1 (en) * | 1999-03-04 | 2002-01-22 | Sandia Corporation | Hybrid least squares multivariate spectral analysis methods |
US6584413B1 (en) * | 2001-06-01 | 2003-06-24 | Sandia Corporation | Apparatus and system for multivariate spectral analysis |
US6675106B1 (en) * | 2001-06-01 | 2004-01-06 | Sandia Corporation | Method of multivariate spectral analysis |
US7538869B2 (en) * | 2004-06-30 | 2009-05-26 | Chemimage Corporation | Multipoint method for identifying hazardous agents |
US20130082180A1 (en) * | 2004-06-30 | 2013-04-04 | Chemlmage Corporation | Multipoint Method for Assessing a Biological Sample |
US7254501B1 (en) * | 2004-12-10 | 2007-08-07 | Ahura Corporation | Spectrum searching method that uses non-chemical qualities of the measurement |
US7373256B2 (en) * | 2005-04-19 | 2008-05-13 | Nicholson Jeremy K | Method for the identification of molecules and biomarkers using chemical, biochemical and biological data |
US7557915B2 (en) * | 2005-10-24 | 2009-07-07 | Chemimage Corporation | Automated acquisition of spectral data and image data |
US20070147685A1 (en) * | 2005-12-23 | 2007-06-28 | 3M Innovative Properties Company | User interface for statistical data analysis |
US20070168154A1 (en) * | 2005-12-23 | 2007-07-19 | Ericson Richard E | User interface for statistical data analysis |
GB0611981D0 (en) | 2006-06-16 | 2006-07-26 | Renishaw Plc | Spectroscopic analysis methods |
CN102971623B (zh) * | 2010-07-06 | 2015-03-04 | 株式会社岛津制作所 | 分析数据处理方法以及装置 |
US8645082B2 (en) * | 2010-09-13 | 2014-02-04 | Mks Instruments, Inc. | Monitoring, detecting and quantifying chemical compounds in a sample |
WO2013059310A1 (en) * | 2011-10-17 | 2013-04-25 | Thermo Electron Scientific Instruments Llc | Multi -component regression/multi - component analysis of time and/or space series files |
-
2013
- 2013-04-02 JP JP2014534210A patent/JP5884914B2/ja active Active
- 2013-04-02 US US14/422,794 patent/US10330652B2/en not_active Expired - Fee Related
- 2013-04-02 WO PCT/JP2013/060099 patent/WO2014038234A1/ja active Application Filing
- 2013-04-02 EP EP13835939.3A patent/EP2894460B1/en active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011257288A (ja) * | 2010-06-10 | 2011-12-22 | Fujitsu Ltd | スペクトル解析方法及びスペクトル解析装置 |
Non-Patent Citations (1)
Title |
---|
JPN6013024018; 武藤俊介: '多変量スペクトル解析によるナノ物性マッピング' まてりあ 第51巻,第9号, 20120901, P.416-423 * |
Also Published As
Publication number | Publication date |
---|---|
WO2014038234A1 (ja) | 2014-03-13 |
EP2894460B1 (en) | 2021-06-16 |
EP2894460A1 (en) | 2015-07-15 |
US10330652B2 (en) | 2019-06-25 |
EP2894460A4 (en) | 2016-05-11 |
US20150227491A1 (en) | 2015-08-13 |
JPWO2014038234A1 (ja) | 2016-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6610678B2 (ja) | ピーク検出方法及びデータ処理装置 | |
JPWO2008126209A1 (ja) | 重回帰分析による予測モデルの作成方法、作成装置、作成プログラム | |
JP4739447B2 (ja) | 不良要因の分析表示方法および不良要因の分析表示装置 | |
US7584162B2 (en) | Manufacture data analysis method and manufacture data analyzer apparatus | |
JP6602818B2 (ja) | 流体クラスのサンプル、特に生物流体のサンプルにおけるnmrスピン系の化学シフト値を予測する方法 | |
JPWO2017077618A1 (ja) | クロマトグラフ質量分析データ処理方法及び処理装置 | |
Laref et al. | A comparison between SVM and PLS for E-nose based gas concentration monitoring | |
CN108240978B (zh) | 基于拉曼光谱的自学习式定性分析方法 | |
Rutledge et al. | Different methods for determining the dimensionality of multivariate models | |
JP6760402B2 (ja) | スペクトルデータ処理装置 | |
Chen et al. | Automatic soft independent modeling for class analogies | |
JP5884914B2 (ja) | 自動分析方法、自動分析装置及び自動分析装置用プログラム | |
TWI493168B (zh) | 分析質譜的方法、電腦程式及系統 | |
CN106936561B (zh) | 一种侧信道攻击防护能力评估方法和系统 | |
Vutov et al. | Multiple multi‐sample testing under arbitrary covariance dependency | |
Zhang et al. | An enhanced Monte Carlo outlier detection method | |
CN109783772A (zh) | 一种确定偏最小二乘回归潜变量数的方法 | |
JP2013218607A (ja) | ソフトウェア品質評価装置、ソフトウェア品質評価方法、及び、プログラム | |
JP2013057695A (ja) | 質量分析データ解析方法 | |
US20120136616A1 (en) | Methods for automatic peak finding in calorimetric data | |
CN109492707B (zh) | 光谱分析模型的构建方法、装置、设备及存储介质 | |
CN111613266A (zh) | 基于定量构效关系的离群值检测方法 | |
JP2016070789A (ja) | 質量分析データ処理装置 | |
JP2014062774A (ja) | クロマトグラム用データ処理装置 | |
JP7154582B2 (ja) | 混合物同定支援システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
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: 20160112 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160125 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 5884914 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |