JP6091493B2 - 試料に存在する成分を決定するための分光装置と分光法 - Google Patents

Description

本発明は、試料に存在する成分を決定するための分光装置と分光法に関する。本発明は、細線のフォトルミネッセンス、蛍光発光、カソードルミネッセンス、紫外可視（ＵＶ Ｖｉｓ）、核磁気共鳴（ＮＭＲ）、中赤外線（ｍｉｄ−ＩＲ）または近赤外線（ＮＩＲ）などを用いた他の形式の分光法においても使用することができるが、特に、ラマン分光法において有用である。

ラマン効果は、試料による光の非弾性散乱である。ラマン分光法においては、試料を単色レーザ光で照射し、例えば、単色光分光器内の回折格子などの分散素子によって散乱光をラマンスペクトルに分散させて、ラマンスペクトルと呼ばれるスペクトルを生成する。ラマンスペクトルは、電荷結合素子（ＣＣＤ）などの検出器によって検出される。ラマン分光装置の例は、特許文献１および特許文献２より知られており、それらは、引用により、本明細書に組み込まれる。

異なる化合物は異なる特性のラマンスペクトルを有する。従って、ラマン効果を用いて、存在する化合物を解析することができる。

このようなラマンスペクトル解析技術の１つは、古典的直接最小二乗（ＤＣＬＳ）法である。この標準的な技術は、各々Ｉ個のデータ点を持つＫ個の既知の成分基準スペクトルのセットＳ_ｋを用いて未知の試料のスペクトルデータＸを解析する（どちらのスペクトルも前処理をしてよい）。各成分基準スペクトルの成分濃度Ｃ_ｋは、下記のように再構築されたモデルからスペクトルデータの偏差の二乗の合計を最小化することによって決定される。

式中、ｉは、スペクトルの周波数の指標を表す。この結果、成分濃度Ｃ_ｋに関して行列反転によって直接解く一連の一次方程式となる。

ＤＣＬＳは、典型的には、たとえ試料にそれらの成分が存在しなくても、全ての成分の計算濃度はゼロではない解となる。一般的には、これは、スペクトルデータに存在するノイズと、基準スペクトルとデータとの間の差が原因であり、それらは、例えば、試料の環境条件または分光計の性能のドリフトが原因で起こり得る。試料中の全ての成分が高濃度で存在するとき、計算した成分濃度を比較して存在する成分と存在しない成分とを区別することは簡単である。しかしながら、一部の成分が微量に存在するとき、実際に存在する成分と、ノイズ等による低いＣ_ｋ値の成分とを区別するのは、より難しくなる。

たとえ一部の成分が微量に存在するときでも、試料に実際に存在するのはどの成分かを決定することが望ましい。

米国特許第５，４４２，４３８号明細書 米国特許第５，５１０，８９４号明細書

本発明の１つの態様によると、試料に存在する成分を、その試料から得たスペクトルデータから決定する方法を提供する。方法は、所定の成分基準スペクトルのセットの候補に関して個別にスペクトルデータのモデルを解くステップを含んでよい。方法は、ある成分が試料に存在するかどうかを、その成分に対応する候補基準スペクトルをモデルに含む効果を定量化する性能指数に基づいて、決定するステップを含んでよい。

本発明は、上述の標準的なＤＣＬＳ法よりも、試料に存在する微量成分の識別に有効であると考えられる。特に、試料に存在する成分と存在しない成分とを区別するために、１つの候補基準スペクトルに関して、他の候補基準スペクトルとは別に解いたモデルの値に基づいた性能指数を用いることは、基準スペクトルのセット全体に対してモデルを解いた後で濃度を比較するよりも、有効であると思われる。成分のサブセットを識別し、全てのスペクトルに関してではなく、そのサブセットの成分基準スペクトルに関してモデルを解くと、標準的なＤＣＬＳ技術よりも、試料の成分の濃度をより正確に決定すると思われる。

性能指数は、解かれたモデルとスペクトルデータとの比較を数値スコアにしたメリット関数に従って決定してよい。ある成分が試料に存在すると決定するステップは、その成分に対応する候補基準スペクトルのスコアがあらかじめ設定された基準を満たすかどうかに基づいてよい。性能指数は、適合度の尺度であってよい。ある成分が試料に存在すると決定するステップは、その成分に対応する候補基準スペクトルがモデルに含まれることによって、モデルのスペクトルデータへの適合度の尺度が設定限界値を超えて向上するかどうかに基づいてよい。

このような尺度を用いることは、標準的なＤＣＬＳ技術よりも、試料に存在する微量成分と試料に存在しないスプリアス成分とを区別するのに有効であろう。特に、微量なスプリアス成分に関してモデルを解いて、そのスプリアス成分が（微量成分の濃度に対して）かなり大きい濃度になるときでさえ、そのスプリアス成分に関する適合度などの尺度は、それほど大きく向上しない傾向にある。従って、解かれた成分基準スペクトルの適合度などの尺度に基づいて試料に存在する成分を識別することは、計算された濃度を比較するよりも、より正確な解を得られると思われる。

成分基準スペクトルは、単一の化学成分の典型的なスペクトルであってもよいし、一緒に発見されることの多い化学成分群などの様々な化学成分群の典型的なスペクトルであってもよい。様々な化学成分を含む群に対して１つの成分基準スペクトルを用いる利点は、その化学成分群の各化学成分に対して別個のスペクトルを有する場合と比較して、実行すべきフィッティングステップの数を減らすことができることである。成分基準スペクトルは、また、温度や結晶方位などの他の要素によって特定されてよい。所定の成分基準スペクトルは、既知の化学組成を有する材料のスペクトル解析によって決定しておいてよい。

方法は、性能指数が決める有意性が減少する順に試料に存在する成分を決定するステップを含んでよい。これは逐次反復で行ってよい。各反復において、それまでの反復で決定した有意性のより高い成分基準スペクトルと共に、各候補基準スペクトルに関して個別にモデルを解いてよい。例えば、各反復ステップで、前回の反復で試料に存在すると決定した成分基準スペクトルと共に、各候補に関して個別にモデルを解き、その候補基準スペクトルをモデルに含めると、他の候補基準スペクトルよりも性能指数の向上度が大きいかどうか、および、その向上度はあらかじめ設定された限界値を超えるかどうかに基づいて、成分が試料に存在するかどうかを決定する。性能指数の向上度があらかじめ設定された限界値を超える間、このプロセスを繰り返す。しかしながら、反復プロセスを実行する前に、成分基準スペクトルまたは他のスペクトルを解いてよいことは理解されたい。例えば、最初に、分光計の試料を支持する基板、蛍光およびベースラインの影響などの特徴を表すバックグラウンドスペクトルに関して、モデルを解いてよい。さらに、ユーザは、ある成分が存在することを知っている場合があり、反復ステップを行う前に、これら既知の成分の成分基準スペクトルを解いておいてよい。

一構成においては、反復は、最も有意な候補基準スペクトルと他の候補基準スペクトルとの性能指数の差が、所定の閾値内にあるかどうかを決定するステップと、閾値内にある各候補基準スペクトルに関して反復プロセスを並列反復に分割するステップを含み、各並列反復に対して、最も有意な候補基準スペクトルではなく、他の候補基準スペクトルを次の最も有意なスペクトルと考えて、並列反復を行う。このようにして、反復プロセスのある点で、複数の候補基準スペクトル間の性能指数の差が、他の候補基準スペクトルに勝る候補基準スペクトルの１つを選択するに値しなくなる場合、その検索を分岐させて、あらゆる妥当な選択肢を探す。閾値を狭く設定すると、探索する分岐が少なくなるので処理が少なくなるが、一方で、閾値を広く設定すると、有用な結果をもたらす可能性のある分岐が抜けるのを避けることになる。そして、成分は、全ての並列反復によって試料に存在すると決定される場合に限って、試料に存在するとみなされる。

別の構成においては、方法は、最初に、所定の成分基準スペクトルのセットの基準スペクトルの全てに関してモデルを解くステップと、候補基準スペクトルを、例えば、その候補基準スペクトルを含むことによって適合度の尺度の向上度があらかじめ設定された限界値を下回るなどの性能指数に基づいてモデルから取り除くステップと、を含む。成分基準スペクトルを取り除くことは、例えば、適合度の尺度の向上度が、あらかじめ設定された限界値を超えるまで反復ステップを続けるなど、反復法として行ってよい。

適合度の尺度は、スペクトルデータと解かれたモデルとの相違の尺度、例えば、

であってよい。適合度の尺度は、不適合度、Ｒ二乗、尤度比検定または他の適切な尺度であってよい。一実施形態においては、適合度の尺度は、例えば、下記の式で表される不適合度二乗和ＬｏＦである。

あらかじめ設定された限界値は、適合度の比例的向上度であってよい。例えば、適合度の比例的向上度は、スペクトルデータおよび所定の基準スペクトルのセットに関して達成可能な最小または最大の適合度などのベースラインに対する適合度の向上度であってよい。ベースラインは、完全適合の値に最も近い、スペクトルデータおよび所定の成分基準スペクトルに関して達成可能な適合度の値であってよい。例えば、ベースラインは、（標準的ＤＣＬＳの場合のように）所定の成分基準スペクトルの全てに関して解いたモデルに対して適合度の尺度を計算することによって決定してよい。

方法を実行するシステムは、性能指数／適合度の尺度の向上度の限界値を分光性能および／または他の要件に基づいて設定できるように構成されてよい。限界値を上げると、感度を犠牲にして（偽の負が識別されない）特定性が向上する（偽の正が識別されない）傾向にある。方法は、構成成分が既知である試料のスペクトルデータを得ることによって、分光装置にあらかじめ設定された限界値を設定するステップと、複数の限界値に対して上述の方法を用いて試料の成分を決定するステップと、（偽の負または偽の正の数などの）解の正確性に基づいて未知の試料の解析に用いる適切な限界値を選択するステップとを含んでよい。各分光装置は、あらかじめ設定された限界値に対して適切な値または適切な値の範囲を決定するよう較正されてよく、方法は、その適切な値、またはその適切な範囲によって識別された適切な値に限界値を設定するステップを含んでよい。

ある成分基準スペクトルをモデルに含むことによって、その成分基準スペクトルおよび／もしくはその成分基準スペクトルに関連する１つまたは複数の相関スペクトルの１つあるいは複数の変換ならびに／または歪みを自動的に含むようにしてよい。このような条件を含むことは、単一の成分基準スペクトルによって十分説明できない成分の補正に有用となる。例えば、このような条件は、試料と基準スペクトルとの環境および／または機器の違いを考慮してよい。このような条件を含むことは、試料に存在する成分として既に識別された成分の基準スペクトルと共に、それら基準スペクトルへの必須の歪みを考慮して、候補を評価するプロセスに特に適用可能であると思われる。

モデルを解くステップは、試料の（候補スペクトルに対応する）成分の濃度を計算するステップを含んでよい。

ある成分が試料に存在すると決定するステップは、正の濃度がその成分に関して計算されるかどうかに、さらに基づいてよい。負の濃度は、モデルに対する非物理的な解なので、避けるべきである。

ある成分が存在すると報告するステップは、その成分の濃度が所定の（正の）最小限界値を超えるかどうかに、さらに基づいてよい。最小限界値は、個々の適用に対して有意であるとみなされるレベルに設定してよい。

モデルは古典的な直接最小二乗解析であってよく、モデルは、特定の基準スペクトル（例えば、候補基準スペクトルに加えて、既に選択した成分の基準スペクトル）に関して、上記の等式（１）を最小化することによって解いてよい。

スペクトルデータは、ラマンスペクトルであってよい。

本発明のさらなる態様によると、試料に存在する成分を、その試料から得たスペクトルデータから決定する装置を提供する。装置は、
スペクトルデータを受信し、
所定の成分基準スペクトルのセットを読み出し、かつ、
所定の成分基準スペクトルのセットの候補に関して個別にスペクトルデータのモデルを解くように構成されたプロセッサを含んでよい。プロセッサは、さらに、ある成分が試料に存在するかどうかを、その成分に対応する候補基準スペクトルをモデルに含むことによる効果を定量化する性能指数に基づいて決定するように構成されてよい。

本発明のさらに別の態様によると、命令を記憶するデータキャリアであって、プロセッサが命令を実行すると、プロセッサが
試料から得たスペクトルデータを受信し、
所定の成分基準スペクトルのセットを読み出し、
所定の成分基準スペクトルのセットから選択した候補基準スペクトルに関して個別にスペクトルデータのモデルを解く、データキャリアを提供する。命令は、ある成分が試料に存在するかどうかを、モデルにその候補基準スペクトルを含む効果を定量化する性能指数に基づいて、プロセッサに決定させてよい。

データキャリアは、ＲＡＭなどの揮発性メモリ、ＲＯＭなどの不揮発性メモリ、フラッシュメモリ、ハードディスクや光ディスクなどのデータ記憶装置を含む非一時的データキャリアであってもよく、電子信号または光信号などの一時的データキャリアであってもよい。

本発明の別の態様によると、試料から得たスペクトルデータのモデルを構築する方法であって、その候補基準スペクトルをモデルに含むことよる性能指数に基づいて所定の成分基準スペクトルのセットから１つまたは複数の成分基準スペクトルを選択するステップを含む方法を提供する。

本発明のさらなる態様によると、ある成分が試料に存在する尤度を示す方法であって、所定の成分基準スペクトルのセットに関して試料のスペクトルデータのモデルを解くステップと、各成分基準スペクトルをモデルに含むことによる性能指数を決定するステップと、その成分基準スペクトルに対応する成分が試料に存在する相対的尤度を、性能指数に基づいて示すステップと、を含む方法を提供する。

示すことは、その成分に関する性能指数の表示であってもよいし、あるいは、成分に関連付けられた色、（テキストではない）記号等であってよい。例えば、赤、黄色、緑などの色で、それぞれ、成分が、試料に含まれている可能性が低い、含まれている可能性が低くも高くもない、試料に含まれている可能性が高い、などと示す。

次に、添付の図面を参照して、ほんの一例として、本発明の実施形態を説明する。

本発明の一実施形態に係る装置を示す図である。 本発明の一実施形態に係る方法を示すフローチャートである。 本発明の一実施形態に係る、反復プロセスの分割を示す図である。

図１を参照すると、本発明の装置は、メモリ２９へのアクセスを有するコンピュータ２５に接続されたラマン分光計を含む。

ラマン分光計は、光学経路に対して４５度の角度で配置された二色性フィルタ１２によって９０度に反射された入力レーザ光１０を含む。あるいは、ホログラフィック二色性フィルタを１０度のような小さい入射角で配置してもよい。レーザ光はその後対物レンズ１６に向かって進み、対物レンズはレーザ光を試料１８上の焦点１９の箇所に集める。光は、試料によって散乱され、対物レンズ１６によって集められ、平行光となって二色性フィルタ１２に戻る。二色性フィルタ１２は、入力レーザ光１０と同じ周波数のレイリー散乱光を通さず、ラマン散乱光を通す。そして、ラマン散乱光はラマン分析器２０に向かう。

ラマン分析器２０は、回折格子などの分散素子を含む。ラマン分析器２０を出た光は、レンズ２２によって、適切な光検出器に集められる。光検出器配列が望ましい。本実施形態においては、検出器２４は二次元配列の画素からなる電荷結合素子（ＣＣＤ）で、コンピュータ２５に接続される。コンピュータ２５は、各画素からデータを取得して、必要に応じてそのデータを解析する。ラマン分析器２０は、破線２８が示すように、ＣＣＤ２４に沿う線で広がった様々な帯域を持つスペクトルを作り出す。

試料１８は、コンピュータ制御の下、各試料からスペクトルデータを集めるために、ＸＹＺステージに取り付けてよい。

コンピュータ２５は、メモリ２９などの適切な媒体の、命令を含むソフトウェアコードを用いてプログラムされ、命令をコンピュータ２５のプロセッサが実行すると、コンピュータ２５は、下記の解析ルーチンを実行する。あるいは、得られたラマンスペクトルに関するデータを、この解析のためのソフトウェアを有する別のコンピュータに転送してもよい。どちらの場合でも、解析が進むと、決定した値を該当のコンピュータに記憶する。そして、さらに、その値を処理し、出力または表示して、１つまたは複数の試料の成分の分析結果を示してもよい。コンピュータ２５が解析を行う場合、メモリ２９は、解析に用いる成分基準スペクトルのデータバンクを記憶している。各成分基準スペクトルは、異なった化学成分または化学成分群に関する典型的なラマンスペクトルである。

図２を参照すると、試料に存在する成分を決定する方法は、スペクトルデータ、本実施形態においては、試料１８のラマンスペクトルデータを受信するステップ（１０１）を含む。ステップ１０２においては、様々な化学成分に関する所定のラマン基準スペクトルのセットは、例えば、メモリ２９のデータバンクから読み出される。

本実施形態においては、スペクトルデータの古典的直接二乗解析を行う。この解析においては、所定の成分基準スペクトルのセットの各候補スペクトルに関して、等式（１）を解く（ステップ１０３〜１０８）。モデルの最終形態に含める成分基準スペクトルは、その成分基準スペクトルを含むことによって、モデルのデータへの適合度の尺度があらかじめ設定された限界値を超えて向上するかどうかに基づいて選択される。

適合度の尺度の向上度によって決まる有意性が減少する順で、各反復で、モデルの最終形態に含むための成分基準スペクトルを選択するステップを含む反復プロセスを実行する。

ステップ１０３において、所定の成分基準スペクトルのセットの各候補に関して、その候補基準スペクトルと、前回の反復等で既に選択した任意の成分基準スペクトルとに関して、等式（１）を最小化する。試料のスペクトルデータに対して等式を解いた成分の適合度の尺度を計算する。

本実施形態においては、適合度の尺度は、下記の式によって表される不適合度（ＬｏＦ）の尺度である。

この不適合度の尺度を、候補基準スペクトルを追加する前に選択された成分基準スペクトルに関して計算した前回のＬｏＦの尺度と比較して、この追加によるＬｏＦの尺度の向上度を決定する。

一実施形態においては、ＬｏＦの向上度、Ｌ_Ｉｐｒは、ベースラインとなるＬｏＦであるＬ_ｍｉｎに対するＬｏＦの比例的な向上度として計算され、下記の式によって表される。

式中、Ｌ_ｏｌｄは、候補基準スペクトルを含む前に、選択された成分基準スペクトルに関して計算したＬｏＦ値であり、Ｌ_ｎｅｗは、候補基準スペクトルを含む選択された成分基準スペクトルに関して計算したＬｏＦ値である。

一実施形態においては、Ｌ_ｍｉｎはゼロに設定してよい。別の実施形態においては、従来のＤＣＬＳにおいてのように、ベースラインのＬ_ｍｉｎは、全ての所定の基準スペクトルに関してモデルを解いた時、モデルから計算された取得可能な最小のＬｏＦである。このように、ゼロの絶対値に対してＬ_Ｉｐｒを計算するのではなく、データの品質を考慮してＬ_ｍｉｎを自動的に調整する。結果として、あらかじめ設定された限界値は、データの品質または前処理の選択肢に関係なく、相対的に設定することができる。

ステップ１０４において、プロセスは候補基準スペクトルに関して解いた濃度をチェックし、負の濃度を有するとして解かれた候補基準スペクトルを、その反復において考慮の対象からはずす（しかし、その後の反復では考慮する）。

ステップ１０５において、各候補基準スペクトルを維持することによるＬｏＦの向上度、Ｌ_Ｉｐｒを比較し、ＬｏＦの最大向上度に関連付けられた候補基準スペクトルが、モデルの最終形態に含まれる主要候補基準スペクトルになる。

主要候補基準スペクトルを追加することによるＬｏＦの向上度があらかじめ設定された限界値を超えるかどうかを決定するチェック１０６が行われる。主要候補基準スペクトルによるＬｏＦの向上度、Ｌ_Ｉｐｒがあらかじめ設定された限界値を超える場合、その主要候補基準スペクトルは、モデルの最終形態に存在する成分基準スペクトルとして選択される（１０７）。その後、残りの未選択の成分基準スペクトルに対してプロセス１０３〜１０７を反復する。

主要候補基準スペクトルによるＬｏＦの向上度、Ｌ_Ｉｐｒがあらかじめ設定された限界値を下回る場合、方法を終了し、その時点までに選択された成分基準スペクトルに関して解かれたモデルを含むモデルの最終形態を、例えば、メモリ２９またはディスプレイ（図示せず）に電子信号として出力する。モデルの最終形態は、典型的には、不適合度の尺度で最も有意であった、所定の成分基準スペクトルのセットのサブセットを含む。

試料に存在する成分を、その成分に対応する成分基準スペクトルがモデルの最終形態に含まれるかどうかに基づいて決定することができる。モデルを解いた成分から濃度Ｃ_ｋを決定することができる。反復プロセスの一部として成分基準スペクトルをフィルタリングするので、モデルの最終形態中の全ての基準スペクトルは、試料に存在する成分を表すことになる。従って、スプリアス成分を除くためにさらにフィルタリングをする必要はないと思われる。

しかしながら、別の実施形態においては、モデルの最終形態において最小限界値を下回る濃度Ｃ_ｋを有する成分は、試料に存在するとは報告されない。最小限界値は、スペクトルデータのノイズまたは、ある成分にユーザが関心を持つ最小濃度に基づいて設定してよい。

成分基準スペクトルをモデルの最終形態のために選択するＬｏＦの向上度の限界値は、技術の特定性と感度を規制し、適用要件や分光性能要件に依存する可能性が高い。従って、装置は、コンピュータ２５の適切なインタフェースなど、ＬｏＦの向上度に限界値を設定するための入力手段を含んでよい。ラマン分光計は、特定性および感度を様々な限界値に定めるように較正してよい。分光計を使って既知の成分の試料からスペクトルデータを取得し、上述の解析方法を用いて複数の限界値に関して試料の成分を決定し、各限界値での偽の負および偽の正の値の比率を決めることによって、このような較正を行ってよい。この情報を用いると、ユーザは、分光計を使って所望の特定性および感度で未知の試料を解析する時に使用する限界値を、予め設定することができる。

一実施形態においては、方法は、ある成分基準スペクトルをモデルの最終形態に含むことによって、その成分基準スペクトルおよび／またはその成分基準スペクトルに関連する１つもしくは複数の相関スペクトルの１つあるいは複数の変換ならびに／または歪みを自動的に含むようにする追加のステップを含む。このような条件を含むことは、単一の成分基準スペクトルでは十分に説明できない成分を補正するのに有用となり得る。例えば、このような条件は、試料と基準スペクトルとの間の環境および／または機器の違いを考慮に入れてよい。

さらなる実施形態においては、特定の基準を満たせば、反復プロセスは、一部変更されて並列反復に分割される。この実施形態においては、ステップ１０５において、主要候補基準スペクトルと、他の候補基準スペクトル各々との間の不適合度の向上度の差が所定の閾値内にあるかどうかを決定する。

１つまたは複数の他の候補基準スペクトルに関してこの値が閾値内にある場合、反復プロセスは、閾値内にある各候補基準スペクトルに関して並列反復に分岐される。各並列反復において、閾値内にあった候補基準スペクトルが、主要候補基準スペクトルに代わって、モデルのこの分岐の最終形態のために選択される。その後、主要な反復を含む反復プロセスの各分岐は、他の分岐とは独立して進み、適切であれば、再び分岐する。各分岐は、条件１０６を満たすと終了し、各分岐からのモデルの最終形態を比較して、全ての分岐に共通の成分が、試料に存在する成分として報告される。

図３は、このようなプロセスがどのように進行するかを示す例である。この例においては、最初、バックグラウンドスペクトルＢがモデルの最終形態に含まれており、次に、上述の方法に従ってモデルの最終形態のための成分基準スペクトルが逐次選択される。この例においては、成分基準スペクトル１が選択されるべき一番目のスペクトルである。その後、基準スペクトル３のＬｏＦの向上度が主要候補基準スペクトル２によって達成されたＬｏＦの向上度の閾値内にあるので、反復が２つの並列反復に分岐する。この例においては、次の反復で、成分基準スペクトル３と２が、それぞれ各分岐に対して選択される。しかしながら、次の反復において、主要候補基準スペクトル４が設定したＬｏＦの向上度の閾値内に基準スペクトル５があるので、プロセスは再び分岐する。しかしながら、この例においては、その後の反復で、基準スペクトル４と５は、終了前に分岐からなくなり、分岐に含まれない。従って、基準スペクトル４と５に対応する成分は、試料に存在する成分として報告されない。

さらに、その例において、分岐後、全ての選択した基準スペクトルが両方の分岐に共通で、２つの分岐が後にまとまって１つになる場合、２つの分岐のうち１つのみを続ければよい。これは、図３に×をして示している。

Claims (23)

1. 試料に存在する成分を前記試料から取得したスペクトルデータから決定する方法であって、
   所定の成分基準スペクトルのセットからの複数の候補基準スペクトルのうちのそれぞれについて、他の候補基準スペクトルを使用して解かれたときのモデルとは別に、前記候補基準スペクトルを使用して前記スペクトルデータの前記モデルを解くステップと、前記解かれたモデルから前記モデル内に前記候補基準スペクトルを含むことによる効果を定量化する性能指数を決定するステップと、ある成分が前記試料に存在するかどうかを、その成分に対応する前記候補基準スペクトルについて決定された前記性能指数に基づいて、決定するステップと、
   を含む、方法。
2. 前記性能指数は、メリット関数に従って決定され、メリット関数は、解かれた前記モデルと前記スペクトルデータとの比較を数値によるスコアで表し、ある成分が前記試料に存在するという決定は、その成分に対応する前記候補基準スペクトルのスコアがあらかじめ設定された基準を満たすかどうかに基づいている、請求項１に記載の方法。
3. 前記性能指数は適合度の尺度である、請求項１または２に記載の方法。
4. ある成分が前記試料に存在することを、前記モデルにその成分に対応する候補基準スペクトルを含むことが前記モデルの前記スペクトルデータへの適合度の尺度をあらかじめ設定された限界値を超えて向上させるかどうかに基づいて、決定するステップを含む、請求項３に記載の方法。
5. 要求される特定性および／または感度に合わせて前記あらかじめ設定された限界値を調整するステップを含む、請求項４に記載の方法。
6. 前記あらかじめ設定された限界値は、適合度の比例的向上度である、請求項４または５に記載の方法。
7. 適合度の前記比例的向上度は、前記スペクトルデータと前記所定の基準スペクトルのセットに関して達成可能なベースラインの適合度に対する適合度の向上度である、請求項６に記載の方法。
8. 前記ベースラインは全ての所定の成分基準スペクトルを前記モデルに含むときに得られた適合度の尺度である、請求項７に記載の方法。
9. 前記適合度の尺度は、不適合度、Ｒ二乗、および尤度比検定の群から選択された尺度である、請求項３から８までのいずれか１項に記載の方法。
10. 前記適合度の尺度は下記の式で与えられる不適合度であり、
    

    

    
    式中、Ｘはスペクトルデータ、Ｓ_kはモデルを解く対象のＫ個の成分基準スペクトルのセットであり、各成分基準スペクトルは、Ｉ個のデータポイントを有し、Ｃｋはｋ番目の成分基準スペクトルの濃度であり、ｉはスペクトル周波数の指標である、請求項３から８までのいずれか１項に記載の方法。
11. 前記性能指数によって決定される有意性が減少する順で、成分が前記試料に存在することを決定する反復プロセスを含み、各反復において、以前の反復で決定された有意性のより高い成分基準スペクトルと共に各候補基準スペクトルに関して個別に前記モデルを解く、請求項１から１０までのいずれか１項に記載の方法。
12. 各反復中、前記成分が前記試料に存在するかどうかを、その成分に対応する前記候補基準スペクトルを前記モデルに含むことによる性能指数の向上度が、その反復中に考慮された他の候補基準スペクトルによる向上度よりも大きいかどうか、かつ、その向上度はあらかじめ設定された基準を満たすかどうかに基づいて決定する、請求項１１に記載の方法。
13. 前記反復プロセスは、前記性能指数の向上度が前記あらかじめ設定された基準を満たしている間、反復される、請求項１２に記載の方法。
14. 反復は、最も有意な候補基準スペクトルと他の候補基準スペクトルとの前記性能指数の差が、所定の閾値内にあるかどうかを決定するステップと、前記閾値内にある各候補基準スペクトルに対して前記反復プロセスを並列反復に分割するステップとを含み、各並列反復に関して、前記最も有意な候補スペクトルではなく、前記他の候補基準スペクトルを次に最も有意なスペクトルとみなす、請求項１１から１３までのいずれか１項に記載の方法。
15. 前記成分が前記試料に存在すると決定するステップは、全ての並列反復によって前記成分が前記試料に存在していると決定されるかどうかに基づく、請求項１４に記載の方法。
16. 前記所定の成分基準スペクトルのセットの基準スペクトル全てに関して最初に前記モデルを解くステップと、その候補基準スペクトルを含むことが性能指数基準を満たさない候補基準スペクトルを前記モデルから取り除くステップと、を含む、請求項２から１０までのいずれか１項に記載の方法。
17. 前記モデルを解くステップは、前記試料の前記成分の濃度を計算するステップを含み、前記成分が前記試料に存在することを決定するステップは、前記成分に対して正の濃度が計算されるかどうかに基づいている、請求項１から１６までのいずれか１項に記載の方法。
18. 前記モデルを解くステップは、前記試料の前記成分の濃度を計算するステップを含み、前記方法は、前記成分の濃度が所定の最小限界値を超えるかどうかに基づいて、前記成分が前記試料に存在することを報告するステップをさらに含む、請求項１から１７までのいずれか１項に記載の方法。
19. 前記スペクトルデータはラマンスペクトルである、請求項１から１８までのいずれか１項に記載の方法。
20. 前記モデルは、古典的直接最小二乗（ＤＣＬＳ）解析を含む、請求項１から１９までのいずれか１項に記載の方法。
21. 試料に存在する成分を前記試料から取得したスペクトルデータから決定する装置であって、
    請求項１から２０までのいずれか１項に記載された方法を実行するように構成されたプロセッサを含む装置。
22. 命令を記憶するデータキャリアであって、プロセッサが前記命令を実行すると、前記プロセッサに、請求項１から２０までのいずれか１項に記載された方法を実行させる
    、データキャリア。
23. ある成分が試料に存在する尤度を示す方法であって、所定の成分基準スペクトルのセットからの複数の候補基準スペクトルのうちのそれぞれについて、他の候補基準スペクトルを使用して解かれたときのモデルとは別に前記候補基準スペクトルを使用してスペクトルデータのモデルを解くステップと、前記解かれたモデルから前記モデル内に前記候補基準スペクトルを含むことによる効果を定量化する性能指数を決定するステップと、
    前記性能指数に基づいて前記成分基準スペクトルに対応する成分が前記試料に存在する相対的尤度を示すステップとを含む方法。

Images