JP7006423B2

JP7006423B2 - 検量装置および検量方法

Info

Publication number: JP7006423B2
Application number: JP2018054481A
Authority: JP
Inventors: 光倉沢
Original assignee: Seiko Epson Corp
Current assignee: Seiko Epson Corp
Priority date: 2018-03-22
Filing date: 2018-03-22
Publication date: 2022-02-10
Anticipated expiration: 2038-03-22
Also published as: JP2019168262A

Description

本発明は、被検体に含有される目的成分の成分量を検量するための技術に関する。

独立成分分析（ＩＣＡ：Independent Component Analysis）を利用して目的成分の成分量を検量する技術が従来から提案されている。例えば特許文献１には、緑色野菜から測定された複数の光学スペクトルに対して独立成分分析を実行することで、クロロフィルに由来するスペクトルを独立成分として推定し、推定後のスペクトルを利用して未知の緑色野菜におけるクロロフィル量を検量する検量技術が開示されている。

特開２０１３－３６９７３号公報

高精度な独立成分分析を実現するためには、推定対象となる複数の独立成分が統計的に独立である必要がある。しかし、独立成分分析の対象となる測定データについて、実際には、複数の成分の間で統計的な独立性が充分に確保されない場合がある。

以上の課題を解決するために、本発明の好適な態様に係る検量装置は、被検体に含有される目的成分の成分量を検量する検量装置であって、前記目的成分に対応する目的成分検量用スペクトルと、前記目的成分検量用スペクトルと前記被検体の光学スペクトルとの内積の演算値と前記目的成分の成分量との関係を表す検量線と、を生成する解析処理部と、前記演算値に対応する前記目的成分の成分量を、前記検量線から特定する検量処理部とを具備し、前記解析処理部は、（ａ）Ｎ種類（Ｎは１以上の整数）の成分を含有するサンプルについて測定されたＱ個（Ｑは３以上の整数）の光学スペクトルの集合からＲ個（Ｒは２以上の整数）の部分集合を生成する処理であって、前記Ｒ個の部分集合の各々について、前記Ｑ個の光学スペクトルにそれぞれ対応するＱ個の要素からなり、当該部分集合に含まれる光学スペクトルに対応する要素が第１値に設定され、当該部分集合に含まれない光学スペクトルに対応する要素が第２値に設定された要素配列を生成する処理と、（ｂ）前記Ｒ個の部分集合の各々に対して、前記Ｎ種類の成分量を独立成分とする独立成分分析を実行することで、複数の成分の各々について成分検量用スペクトルを特定する処理と、（ｃ）前記Ｒ個の部分集合からＢ個（Ｂは１以上Ｒ未満の整数）の部分集合を選択する処理と、（ｄ）前記Ｂ個の部分集合にそれぞれ対応するＢ個の要素配列について、前記各要素配列の前記Ｑ個の要素のうち１個以上の要素の数値を変更することで、前記処理（ｂ）の対象となるＲ個の部分集合にそれぞれ対応するＲ個の要素配列を生成し、当該要素配列から部分集合を生成する処理と、（ｅ）終了条件が成立するまで、前記処理（ｂ）から前記処理（ｄ）を反復する処理と、（ｆ）前記終了条件が成立した場合に、前記処理（ｂ）で特定された複数の成分検量用スペクトルから前記目的成分検量用スペクトルを特定する処理と、（ｇ）前記目的成分の成分量が既知であるサンプルについて測定された複数の評価用光学スペクトルの各々と前記目的成分検量用スペクトルとの内積の演算値と、当該サンプルに含有される前記目的成分の成分量と、の関係から前記検量線を特定する処理とを実行する。

本発明の好適な態様に係る検量方法は、被検体に含有される目的成分の成分量をコンピューターが検量する方法であって、前記目的成分に対応する目的成分検量用スペクトルと、前記目的成分検量用スペクトルと前記被検体の光学スペクトルとの内積の演算値と前記目的成分の成分量との関係を表す検量線と、を生成する解析処理と、前記演算値に対応する前記目的成分の成分量を、前記検量線から特定する検量処理とを含み、前記解析処理は、（ａ）Ｎ種類（Ｎは１以上の整数）の成分を含有するサンプルについて測定されたＱ個（Ｑは３以上の整数）の光学スペクトルの集合からＲ個（Ｒは２以上の整数）の部分集合を生成する処理であって、前記Ｒ個の部分集合の各々について、前記Ｑ個の光学スペクトルにそれぞれ対応するＱ個の要素からなり、当該部分集合に含まれる光学スペクトルに対応する要素が第１値に設定され、当該部分集合に含まれない光学スペクトルに対応する要素が第２値に設定された要素配列を生成する処理と、（ｂ）前記Ｒ個の部分集合の各々に対して、前記Ｎ種類の成分量を独立成分とする独立成分分析を実行することで、複数の成分の各々について成分検量用スペクトルを特定する処理と、（ｃ）前記Ｒ個の部分集合からＢ個（Ｂは１以上Ｒ未満の整数）の部分集合を選択する処理と、（ｄ）前記Ｂ個の部分集合にそれぞれ対応するＢ個の要素配列について、前記各要素配列の前記Ｑ個の要素のうち１個以上の要素の数値を変更することで、前記処理（ｂ）の対象となるＲ個の部分集合にそれぞれ対応するＲ個の要素配列を生成し、当該要素配列から部分集合を生成する処理と、（ｅ）終了条件が成立するまで、前記処理（ｂ）から前記処理（ｄ）を反復する処理と、（ｆ）前記終了条件が成立した場合に、前記処理（ｂ）で特定された複数の成分検量用スペクトルから前記目的成分検量用スペクトルを特定する処理と、（ｇ）前記目的成分の成分量が既知であるサンプルについて測定された複数の評価用光学スペクトルの各々と前記目的成分検量用スペクトルとの内積の演算値と、当該サンプルに含有される前記目的成分の成分量と、の関係から前記検量線を特定する処理とを含む。

目的成分の成分量を検量する方法の原理の説明図である。光学スペクトルの説明図である。検量装置の構成を例示するブロック図である。検量装置の動作の手順を例示するフローチャートである。検量処理の説明図である。解析処理の説明図である。解析処理の手順を例示するフローチャートである。要素配列の模式図である。目的成分検量用スペクトルを特定する処理の説明図である。更新処理における交叉の説明図である。更新処理に関する真理値表である。探索処理の反復回数と各部分集合の評価指標との関係を示すグラフである。探索処理の反復回数と部分集合の要素数との関係を示すグラフである。第２実施形態の反復処理に関する真理値表である。第３実施形態の反復処理に関する真理値表である。

＜検量の原理＞
本発明の好適な形態に係る検量装置１００の説明に先立ち、目的成分の成分量を検量する原理について説明する。目的成分は、例えばグルコース、アルブミン、塩化ナトリウム、ヘモグロビン、脂質またはアルコール等の生体成分である。成分量は、例えば以上に例示した目的成分の濃度である。成分量の検量には、以下に詳述する通り、独立成分分析が利用される。

Ｎ種類（Ｎは１以上の整数）の成分を含有するサンプルの分光測定を想定する。Ｍ個のサンプルに対する分光測定の結果を表す光学スペクトル行列Ｘは、以下の数式(1)で表現される通り、成分固有スペクトル行列Ｙと成分量行列Ｗとの積として表現される。図１には、数式(1)が模式的に図示されている。

数式(1)の光学スペクトル行列Ｘは、Ｍ個のサンプルからそれぞれ測定されたＭ個の光学スペクトルＸ1～ＸMを横方向に配列した行列である。第ｍ番目（ｍ＝１～Ｍ）の１個のサンプルの光学スペクトルＸmは、Ｋ個の波長にそれぞれ対応するＫ個の強度ｘm(1)～ｘm(K)を配列したＫ次元の列ベクトルで表現される。なお、光学スペクトル行列Ｘは、１個のサンプルに対する分光測定により相異なる時点において測定されたＭ個の光学スペクトルＸ1～ＸMを時系列に配列した行列でもよい。

図２に例示される通り、第ｍ番目のサンプルの光学スペクトルＸmは、当該サンプルに対する分光測定で観測された光学スペクトルＸm_dから生成される。光学スペクトルＸm_dは、例えば吸光度スペクトルまたは拡散反射スペクトルである。Ｍ個の光学スペクトルＸ1_d～ＸM_dは充分に近似するが、図２では、Ｍ個の光学スペクトルＸ1_d～ＸM_dの相違が便宜的に強調されている。

図２の例示のように非常に近似するＭ個の光学スペクトルＸ1_d～ＸM_dを独立成分分析に適用した場合には、分析精度が低下する可能性がある。例えば、溶質（含有成分）の濃度に依存して光学スペクトルＸm_dに対する溶媒の影響が変化し、独立成分分析の精度が低下する可能性がある。以上の事情を考慮して、各光学スペクトルＸm_dに対する所定の前処理により光学スペクトルＸmが算定される。具体的には、図２に例示される通り、Ｍ個の光学スペクトルＸ1_d～ＸM_dの平均スペクトルＸaveを各光学スペクトルＸm_dから減算する前処理により、各光学スペクトルＸmが算定される。なお、前処理に適用される平均スペクトルＸaveは、例えば記憶装置に保持される。以上の方法によれば、溶質の濃度に依存して光学スペクトルＸm_dに対する溶媒の影響が変化する場合でも、その影響が低減され、高精度な独立成分分析が実現される。なお、前処理の具体的な内容は、以上の例示（平均スペクトルＸaveの減算）に限定されない。例えば、平均スペクトルＸaveの零空間に光学スペクトルＸm_dを射影することで光学スペクトルＸmを生成する零空間射影を前処理として実行してもよい。また、光学スペクトルＸm_dを平均０かつ分散１に変換する処理を前処理に含ませてもよい。なお、以上に例示した前処理は省略され得る。すなわち、光学スペクトルＸm_dを光学スペクトル行列Ｘの光学スペクトルＸmとして利用してもよい。

数式(1)の成分固有スペクトル行列Ｙは、Ｎ種類の成分にそれぞれ対応するＮ個の成分固有スペクトルＹ1～ＹNを横方向に配列した行列である。第ｎ番目（ｎ＝１～Ｎ）の１個の成分の成分固有スペクトルＹnは、Ｋ個の波長にそれぞれ対応するＫ個の強度ｙn(1)～ｙn(K)を配列したＫ次元の列ベクトルで表現される。第ｎ番目の成分の成分固有スペクトルＹnは、例えば当該成分に固有の吸光係数系列（すなわち波長毎の吸光係数の系列）を表すスペクトルである。

数式(1)の成分量行列Ｗは、Ｎ種類の成分にそれぞれ対応するＮ個の成分量系列Ｗ1～ＷNを縦方向に配列した行列である。第ｎ番目の１個の成分の成分量系列Ｗnは、各サンプルに含有される第ｎ番目の成分の成分量ｗn(m)をＭ個のサンプルについて配列した行ベクトルである。

数式(1)を利用した独立成分分析としては、Ｎ種類の成分に由来する未知のＮ個の成分固有スペクトルＹ1～ＹNを統計的に独立な成分と見做した独立成分分析が想定される。しかし、Ｎ個の成分固有スペクトルＹ1～ＹNは、相互に統計的に独立であるという条件を充足しない場合がある。他方、Ｎ個の成分固有スペクトルＹ1～ＹNが統計的に独立でない場合でも、Ｎ種類の成分の成分量（例えば濃度）が相互に無関係であり統計的に独立であるという条件が成立するならば、Ｎ種類の成分の成分量（成分量系列Ｗn）を独立成分と見做して独立成分分析を実行することで、Ｎ個の成分量系列Ｗ1～ＷNを高精度に推定することが可能である。そして、各成分量系列Ｗnに加えてＮ個の成分固有スペクトルＹ1～ＹNも正確に推定することができる。

以上の事情を背景として、数式(1)の成分量行列ＷにおけるＮ個の成分量系列Ｗ1～ＷNの各々を独立成分と見做した独立成分分析を実行することで、Ｎ個の成分量系列Ｗ1～ＷNを推定し、各成分量系列Ｗnと同時にＮ個の成分固有スペクトルＹ1～ＹNも推定する。なお、各成分量系列Ｗnを独立成分と見做す場合でも、独立成分分析の方法自体には既存の方法を利用できる。例えば本願出願人の先願である特開２０１３－１６０５７４号公報または特開２０１６－６５８０３号公報に開示された方法、または他の公知の方法が利用される。

以上に説明した独立成分分析により成分固有スペクトル行列Ｙが推定されると、被検体に含有される第ｎ番目の成分（目的成分）の未知の成分量に応じた演算値αを算定することが可能である。具体的には、演算値αは、以下の数式(2)で表現される通り、第ｎ番目の成分の成分検量用スペクトルＺnと被検体の光学スペクトルＸSとの積として算定される。

数式(2)の光学スペクトルＸSは、被検体に対する分光測定で観測されたスペクトルであり、相異なる波長に対応するＫ個の強度ｘ(1)～ｘ(K)を配列したＫ次元の列ベクトルで表現される。また、数式(2)の成分検量用スペクトルＺnは、前述の独立成分分析により推定された成分固有スペクトル行列Ｙの一般化逆行列Ｙ⁺における第ｎ行に相当するＫ次元の行ベクトルである。

数式(2)から理解される通り、第ｎ番目の成分の成分検量用スペクトルＺnと被検体の光学スペクトルＸSとの内積により、被検体に含有される当該成分の成分量に応じた演算値αが算定される。ただし、独立成分分析により推定される成分固有スペクトル行列Ｙの各要素の数値自体に意味はなく（いわゆるスケーリングの不定性）、成分固有スペクトル行列Ｙの各成分固有スペクトルＹnの形状が真の成分固有スペクトルに比例するという関係にある。したがって、数式(2)で算定される演算値αは成分量の真値に比例する数値である。第ｎ番目の成分の実際の成分量は、数式(2)の内積で算定された演算値αを、演算値αと成分量（真値）Ｃとの関係を表す検量線に適用することで算定される。なお、Ｎ種類の成分のうち検量対象となる目的成分の成分検量用スペクトルＺnを、以下の説明では「目的成分検量用スペクトルＺ」と表記する。

以上に説明した通り、成分量を独立成分と見做す独立成分分析によれば、Ｎ種類の成分に由来する各成分固有スペクトルＹnが統計的に独立でない場合でも、光学スペクトルＸm毎の各成分量の変動が統計的に独立であれば、成分量行列Ｗ（成分量系列Ｗn）と成分固有スペクトル行列Ｙ（成分固有スペクトルＹnおよび成分検量用スペクトルＺn）を高精度に推定することが可能である。

＜第１実施形態＞
以上に説明した独立成分分析を利用した第１実施形態の検量装置１００について説明する。検量装置１００は、被検体（例えば生体）の分光測定により観測される光学スペクトルから、当該被検体に含有される目的成分の成分量を検量する測定装置である。

図３は、検量装置１００の構成を例示するブロック図である。図３に例示される通り、被検体の光学スペクトルＸSを測定するための測定器２００が検量装置１００に接続される。測定器２００は、被検体の分光測定により当該被検体の光学的な特性に応じた測定信号を出力する分光測定器が測定器２００として好適に利用される。なお、測定器２００を検量装置１００に内蔵してもよい。

図３に例示される通り、検量装置１００は、制御装置１１と記憶装置１２と表示装置１３とを具備する。制御装置１１は、例えばＣＰＵ（Central Processing Unit）またはＦＰＧＡ（Field
Programmable Gate Array）等の処理回路を含んで構成され、被検体に含有される目的成分（例えばグルコース）の成分量を算定するための各種の処理を実行する。記憶装置１２は、制御装置１１が実行するプログラムと制御装置１１が使用する各種のデータとを記憶する。例えば半導体メモリーが記憶装置１２として好適である。表示装置１３は、例えば液晶表示パネルで構成され、制御装置１１が算定した成分量を含む各種の情報を表示する。

図３に例示される通り、制御装置１１（コンピューターの例示）は、記憶装置１２に記憶されたプログラムを実行することで、目的成分の成分量を算定するための複数の要素（解析処理部２１および検量処理部２２）として機能する。なお、相互に別体で構成された複数の装置で制御装置１１の機能を実現してもよい。

解析処理部２１は、目的成分に対応する前述の目的成分検量用スペクトルＺと、目的成分の演算値αおよび成分量Ｃ（真値）の関係を表す検量線Ｃcとを生成する。解析処理部２１が生成した目的成分検量用スペクトルＺと検量線Ｃcとは記憶装置１２に記憶される。検量処理部２２は、測定器２００が測定した被検体の光学スペクトルＸSと、解析処理部２１が生成した目的成分検量用スペクトルＺおよび検量線Ｃcとを利用して、被検体に含有される目的成分の成分量を特定する。

図４は、検量装置１００が目的成分の成分量を検量する処理の具体的な手順を例示するフローチャートである。例えば利用者からの指示を契機として図４の処理が開始される。図４の処理を開始すると、解析処理部２１は、解析処理Ｓaを実行することで目的成分検量用スペクトルＺと検量線Ｃcとを特定する。なお、解析処理Ｓaの具体的な手順については後述する。

検量処理部２２は、解析処理Ｓaで特定された目的成分検量用スペクトルＺと検量線Ｃcとを利用した検量処理Ｓb（Ｓb1～Ｓb4）により、被検体に含有される目的成分の成分量を検量する。図５は、検量処理Ｓbの説明図である。

検量処理部２２は、測定器２００から供給される測定信号を解析することで被検体の光学スペクトルＸSを取得する（Ｓb1）。具体的には、検量処理部２２は、測定信号から特定される光学スペクトルＸ_dに対して前述の前処理を実行することで光学スペクトルＸSを算定する。光学スペクトルＸ_dに対する前処理には、例えば、独立成分分析の対象となる光学スペクトルＸm_dの前処理（図２）に適用された前述の平均スペクトルＸaveが利用される。例えば解析処理Ｓaにおいて生成された平均スペクトルＸaveが記憶装置１２に保持されて、検量処理Ｓbにおける前処理に利用される。

検量処理部２２は、図５に例示される通り、被検体の光学スペクトルＸSと解析処理Ｓaで生成された目的成分検量用スペクトルＺとの内積の演算値αを算定する（Ｓb2）。検量処理部２２は、解析処理Ｓaで生成された検量線Ｃcを利用して演算値αから目的成分の成分量Ｃを特定する（Ｓb3）。具体的には、検量処理部２２は、図５に例示される通り、検量線Ｃcにおいて演算値αに対応する成分量Ｃを特定する。検量処理部２２は、検量処理部２２が特定した目的成分の成分量Ｃを、測定結果として表示装置１３に表示させる（Ｓb4）。

＜解析処理Ｓa＞
図６は、解析処理Ｓaの説明図である。図６に例示される通り、記憶装置１２には、Ｑ個（Ｑは３以上の整数）の光学スペクトルＸ0と複数の評価用データＤとが事前に記憶される。Ｑ個の光学スペクトルＸ0は、目的成分（例えばグルコース）を含むＮ種類の成分を含有する複数の第１サンプルの分光測定により測定されたスペクトルである。第１サンプルは、被検体と同様の成分で構成される。各光学スペクトルＸ0は、独立成分分析により各成分検量用スペクトルＺnを決定するための学習用のサンプルデータとして利用される。複数の評価用データＤの各々は、第２サンプルに対する分光測定で測定された光学スペクトル（以下「評価用光学スペクトル」という）ＸEと、当該第２サンプルにおける目的成分の既知の成分量Ｃt（すなわち真値）とを含んで構成される。なお、複数の第１サンプルについては目的成分の成分量が既知である必要はない。光学スペクトルＸ0および評価用光学スペクトルＸEは、第２サンプルの分光測定により観測された光学スペクトルに対して、平均スペクトルＸaveを利用した前述の前処理を実行することで生成されたスペクトルである。なお、第１サンプルの一部を第２サンプルとして利用してもよい。

図７は、解析処理Ｓaの具体的な手順を例示するフローチャートである。解析処理Ｓaを開始すると、解析処理部２１は、図６に例示される通り、Ｑ個の光学スペクトルＸ0の集合からＲ個（Ｒは２以上の整数）の部分集合Ｐ1～ＰRを生成する（Ｓa1）。Ｒ個の部分集合Ｐ1～ＰRの各々は、Ｍ個の光学スペクトルＸ0（Ｘ1～ＸM）を含む集合である。各部分集合Ｐr（ｒ＝１～Ｒ）の要素数Ｍは、独立成分分析により特定する成分固有スペクトルＹnの総数Ｎ以上に設定される。なお、各部分集合Ｐrの要素数Ｍは、部分集合Ｐr毎に相違してもよいし、Ｒ個の部分集合Ｐ1～ＰRにわたり共通してもよい。例えば解析処理部２１は、乱数を利用して無作為にＱ個の光学スペクトルＸ0の集合から各部分集合Ｐrの光学スペクトルＸ0を生成する。ステップＳa1は、処理（ａ）の例示である。なお、光学スペクトルＸ0および評価用光学スペクトルＸEを、部分集合Ｐr毎に算定された平均スペクトルＸaveを利用した前処理で生成してもよい。

ステップＳa1において、解析処理部２１は、Ｒ個の部分集合Ｐ1～ＰRの各々を表す要素配列Ｇr（Ｇ1～ＧR）を生成する。図８は、任意の１個の部分集合Ｐrに対応する要素配列Ｇrの模式図である。図８に例示される通り、要素配列Ｇrは、Ｑ個の光学スペクトルＸ0にそれぞれ対応するＱ個の要素Ｆ1～ＦQで構成される。なお、図８では、光学スペクトルＸ0が１０個である場合が便宜的に例示されているが、実際には例えば１２００個程度の光学スペクトルＸ0の集合からＲ個（例えば１００個）の部分集合Ｐ1～ＰRが生成される。

要素配列Ｇrの任意の１個の要素Ｆq（ｑ＝１～Ｑ）は、Ｑ個の光学スペクトルＸ0のうち第ｑ番目の１個の光学スペクトルＸ0が当該部分集合Ｐrに含まれるか否かを表す。具体的には、要素配列ＧrのＱ個の要素Ｆ1～ＦQのうち、当該部分集合Ｐrに含まれる光学スペクトルＸ0に対応する要素Ｆqは１（第１値の例示）に設定され、当該部分集合Ｐrに含まれない光学スペクトルＸ0に対応する要素Ｆqは０（第２値の例示）に設定される。例えば、図８に例示された要素配列Ｇrは、第３番（#3）と第４番（#4）と第９番（#9）の３個の光学スペクトルＸ0を１個の部分集合Ｐrが含むことを表現する。したがって、要素配列Ｇrにおける数値１の個数が、部分集合Ｐrの要素数Ｍに相当する。以上の説明から理解される通り、第１実施形態の要素配列Ｇrは、部分集合Ｐrにおける各光学スペクトルＸ0の有無を２値的（０／１）に表すＱビットのバイナリデータである。要素配列Ｇrから部分集合Ｐrが生成される。部分集合Ｐrの生成は、Ｑ個の光学スペクトルＸ0の集合から、要素配列ＧrのＱ個の要素Ｆ1～ＦQのうち数値１に設定された各要素Ｆqに対応するＭ個の光学スペクトルＸ0（Ｘ1～ＸM）を選択する処理である。

以下に例示するステップＳa2～Ｓa8の処理は、目的成分に対応する最適な目的成分検量用スペクトルＺを探索するために部分集合Ｐrを更新および選別する処理（以下「探索処理」という）である。探索処理は、複数回にわたり反復される。

探索処理を開始すると、解析処理部２１は、図６に例示される通り、Ｒ個の部分集合Ｐ1～ＰRの各々に対して、成分量を独立成分と見做す前述の独立成分分析を実行することで、Ｎ個の成分固有スペクトルＹ1(r)～ＹN(r)を算定する（Ｓa2）。具体的には、部分集合Ｐrに含まれるＭ個の光学スペクトルＸ0（Ｘ1～ＸM）の系列を光学スペクトル行列Ｘとした独立成分分析によりＮ個の成分固有スペクトルＹ1(r)～ＹN(r)が算定される。また、解析処理部２１は、各成分固有スペクトルＹn(r)に対応する成分検量用スペクトルＺn(r)を算定する（Ｓa3）。すなわち、Ｒ個の部分集合Ｐ1～ＰRの各々についてＮ個の成分検量用スペクトルＺ1(r)～ＺN(r)が特定される。ステップＳa2およびステップＳa3は、処理（ｂ）の例示である。なお、Ｎ種類の成分のうち一部の成分について成分検量用スペクトルＺn(r)を特定してもよい。

解析処理部２１は、各部分集合ＰrのＮ個の成分検量用スペクトルＺ1(r)～ＺN(r)の各々について評価指標Ｖn(r)を算定する（Ｓa4）。評価指標Ｖn(r)は、成分検量用スペクトルＺn(r)が目的成分に対応する確度の指標である。具体的には、解析処理部２１は、図９に例示される通り、複数の評価用データＤの各々について、成分検量用スペクトルＺn(r)と当該評価用データＤの評価用光学スペクトルＸEとの内積の演算値αを算定する。すなわち、１個の成分検量用スペクトルＺn(r)について、相異なる評価用光学スペクトルＸEに対応する複数の演算値αが算定される。

図９には、成分検量用スペクトルＺn(r)と各評価用光学スペクトルＸEとの間で算定された複数の演算値αと、各評価用データＤが示す複数の成分量Ｃt（すなわち真値）との関係が図示されている。成分検量用スペクトルＺn(r)がＮ種類の成分のうちの目的成分に対応する場合、図９に例示される通り、演算値αと成分量Ｃtとの間に強い相関が観測される。以上の事情を背景として、解析処理部２１は、成分検量用スペクトルＺn(r)について算定された演算値αと評価用データＤが示す成分量Ｃtとが相関する度合の指標を評価指標Ｖn(r)として算定する。例えば演算値αと成分量Ｃtとの相関係数（相関度）が評価指標Ｖn(r)として好適である。以上の説明から理解される通り、成分検量用スペクトルＺn(r)が目的成分に対応する可能性が高いほど、評価指標Ｖn(r)は大きい数値となる。

合計Ｒ×Ｎ個の成分検量用スペクトルＺn(r)の各々について評価指標Ｖn(r)を算定すると、解析処理部２１は、図６に例示される通り、Ｒ個の部分集合Ｐ1～ＰRの各々について評価指標Ｅr（Ｅ1～ＥR）を算定する（Ｓa5）。各部分集合Ｐrの評価指標Ｅrは、当該部分集合Ｐrが独立成分分析にとって適切である度合の指標である。具体的には、各部分集合Ｐrの評価指標Ｅrは、当該部分集合Ｐrに対応するＮ個の成分検量用スペクトルＺ1(r)～ＺN(r)にそれぞれ対応するＮ個の評価指標Ｖ1(r)～ＶN(r)に応じた指標である。例えば、解析処理部２１は、Ｎ個の評価指標Ｖ1(r)～ＶN(r)の代表値（例えば平均値、中央値、最大値または最小値）を評価指標Ｅrとして算定する。Ｎ個の評価指標Ｖ1(r)～ＶN(r)のうち目的成分に対応した評価指標Ｖn(r)（すなわちＮ個の評価指標Ｖ1(r)～ＶN(r)の代表値）を評価指標Ｅrとして選択してもよい。なお、評価指標Ｅrの算定の方法は任意であり、例えばＮ個の評価指標Ｖ1(r)～ＶN(r)の加重和や自乗和を評価指標Ｅrとして算定してもよい。ただし、評価指標Ｖn(r)が大きいほど評価指標Ｅrが大きい数値となるように評価指標Ｅrを算定する構成が好適である。

以上の手順により各部分集合Ｐrの評価指標Ｅrを算定すると、解析処理部２１は、図６に例示される通り、Ｒ個の部分集合Ｐ1～ＰRから評価指標Ｅrに応じてＢ個（Ｂは１以上Ｒ未満の整数）の部分集合Ｐ1～ＰBを選択する（Ｓa6）。具体的には、解析処理部２１は、Ｒ個の部分集合Ｐ1～ＰRのうち評価指標Ｅrの降順で上位に位置するＢ個の部分集合Ｐ1～ＰBを選択する（エリート選択）。すなわち、Ｒ個の部分集合Ｐ1～ＰBから独立成分分析に好適なＢ個の部分集合Ｐ1～ＰBが選別される。ステップＳa6は、処理（ｃ）の例示である。なお、Ｂ個の部分集合Ｐ1～ＰBの選択には、ルーレット選択またはトーナメント選択等の各種の選択アルゴリズムが利用される。

Ｂ個の部分集合Ｐ1～ＰBを選択すると、解析処理部２１は、探索処理の反復を終了するための所定の条件（以下「終了条件」という）が成立したか否かを判定する（Ｓa7）。終了条件は、例えば、評価指標Ｅrの最大値が所定の閾値を上回ること、または、探索処理を反復した回数が所定の閾値を上回ることである。すなわち、独立成分分析に好適な部分集合Ｐが選別されるまで、探索処理（Ｓa2～Ｓa8）が反復される。ステップＳa7は処理（ｅ）の例示である。なお、評価指標Ｅrの算定（Ｓa5）とＢ個の部分集合Ｐ1～ＰBの選択（Ｓa6）との間に終了条件の成否を判定してもよい。

終了条件が成立していない場合（Ｓa7：NO）、解析処理部２１は、評価指標Ｅrに応じて選択したＢ個の部分集合Ｐ1～ＰBを更新する処理（以下「更新処理」という）を実行する（Ｓa8）。更新処理Ｓa8では、解析処理部２１は、図６に例示される通り、Ｂ個の部分集合Ｐ1～ＰBの各々を部分的に変更することで、合計Ｒ個の部分集合Ｐ1～ＰRを生成する。すなわち、Ｂ個の部分集合Ｐ1～ＰBの各々について、要素配列ＧbのＱ個の要素Ｆ1～ＦQのうち１個以上の要素Ｆqの数値を変更することでＲ個の要素配列Ｇ1～ＧRを生成し、各要素配列Ｇrから部分集合Ｐrを生成する。前述の通り、部分集合Ｐrの生成は、Ｑ個の光学スペクトルＸ0の集合から、要素配列ＧrのＱ個の要素Ｆ1～ＦQのうち数値１に設定された各要素Ｆqに対応するＭ個の光学スペクトルＸ0（Ｘ1～ＸM）を選択する処理である。具体的には、Ｂ個の部分集合Ｐ1～ＰBの各々からＨ個の部分集合Ｐが生成される結果、合計Ｒ個（Ｒ＝Ｂ×Ｈ）の部分集合Ｐ1～ＰRが生成される。更新処理Ｓa8による更新後のＲ個の部分集合Ｐ1～ＰRについて探索処理が実行される。更新処理Ｓa8は、処理（ｄ）の例示である。なお、更新処理Ｓa8の具体例については後述する。また、各部分集合Ｐbから生成される部分集合Ｐの個数Ｈを部分集合Ｐb毎に相違させてもよい。例えば、評価指標Ｅrが大きい部分集合Ｐbほど、当該部分集合Ｐbから生成される部分集合Ｐの個数Ｈを増加させる構成が想定される。

以上の説明から理解される通り、更新処理Ｓa8により各部分集合を更新しながら、独立成分分析に好適な部分集合を選別する探索処理が反復される。なお、第１回目の探索処理で選択されたＲ個の部分集合Ｐ1～ＰRについて算定された評価指標Ｅrの最大値が閾値を上回る場合（Ｓa7：YES）、探索処理は１回だけ実行されることになる。また、探索処理の対象となる部分集合Ｐrの個数Ｒを探索処理毎に相違させてもよい。

前述の終了条件が成立すると（Ｓa7：YES）、解析処理部２１は、終了条件の成立までにステップＳa3で算定された複数の成分検量用スペクトルＺn(r)のうち評価指標Ｖn(r)が最大である１個の成分検量用スペクトルＺn(r)を目的成分検量用スペクトルＺとして選択する（Ｓa9）。ステップＳa9は、処理（ｆ）の例示である。

目的成分検量用スペクトルＺを特定すると、解析処理部２１は、検量線Ｃcを特定する（Ｓa10）。具体的には、複数の評価用光学スペクトルＸEの各々と目的成分検量用スペクトルＺとの内積として算定される複数の演算値αと、各評価用データＤが示す複数の成分量Ｃtとの関係を近似する直線が検量線Ｃcとして特定される。例えば複数の演算値αと複数の成分量Ｃtとの関係を表す単回帰式（Ｃt＝ａα＋ｂ）で検量線Ｃcは表現される。以上に例示した解析処理Ｓa（Ｓa1～Ｓa10）で特定された目的成分検量用スペクトルＺおよび検量線Ｃcが、図５を参照して前述した検量処理Ｓbに適用される。なお、ステップＳa10は、処理（ｇ）の例示である。

＜更新処理Ｓa8の具体例＞
更新処理Ｓa8における各部分集合Ｐbの更新には、遺伝的アルゴリズムが好適に利用される。第１実施形態では、既存の２個の部分集合Ｐbの交叉（crossover）により新規な部分集合Ｐを生成する。交叉は、２個の部分集合Ｐbの相互間で光学スペクトルＸ0を部分的に交換（組換え）することで新規な部分集合Ｐを生成する遺伝的操作である。

第１実施形態では、図１０に例示される通り、部分集合Ｐb1（ｂ1＝１～Ｂ）の要素配列Ｇb1（第１要素配列の例示）と、部分集合Ｐb2（ｂ2＝１～Ｂ，ｂ2≠ｂ1）の要素配列Ｇb2（第２要素配列の例示）との交叉により、部分集合Ｐr1（ｒ1＝１～Ｒ）の要素配列Ｇr1と部分集合Ｐr2の要素配列Ｇr2（ｒ2＝１～Ｒ，ｒ2≠ｒ1）とを生成する。なお、部分集合Ｐb1と部分集合Ｐb2とから１個の部分集合Ｐr（例えば前述の部分集合Ｐr1および部分集合Ｐr2の一方）を生成してもよい。図１０に例示される通り、第１実施形態では、マスクパターンΛを利用した一様交叉を例示する。マスクパターンΛは、所定の確率で０または１に設定されたＱ個の要素で構成されたバイナリデータである。例えば部分集合Ｐb1と部分集合Ｐb2との組合せ毎にマスクパターンΛは更新される。

図１１は、第１実施形態の更新処理Ｓa8に関する真理値表である。図１１の記号ｐ1（ｐ：parent）は、更新前の要素配列Ｇb1における任意の１個の要素Ｆqを意味し、記号ｐ2は、更新前の要素配列Ｇb2における任意の１個の要素Ｆqを意味する。記号ｃ1（ｃ：child）は、更新後の要素配列Ｇr1における任意の１個の要素Ｆqを意味し、記号ｃ2は、更新後の要素配列Ｇr2における任意の１個の要素Ｆqを意味する。また、記号λは、マスクパターンΛの１個の要素である。

図１０および図１１から理解される通り、マスクパターンΛの要素λが１である場合、要素ｃ1が要素ｐ2に設定されて要素ｃ2が要素ｐ1に設定される（ｃ1＝ｐ2，ｃ2＝ｐ1）。他方、マスクパターンΛの要素λが０である場合、要素ｃ1が要素ｐ1に設定されて要素ｃ2が要素ｐ2に設定される（ｃ1＝ｐ1，ｃ2＝ｐ2）。すなわち、マスクパターンΛの数値１は、要素配列Ｇb1と要素配列Ｇb2との間で要素Ｆqを交換することを意味し、マスクパターンΛの数値０は、要素配列Ｇb1と要素配列Ｇb2との間で要素Ｆqを交換しないことを意味する。

以上に説明した一様交叉は、例えば以下の論理式(a1)および(a2)で表現される。数式(4)の記号￢は否定（NOT）を意味する。
ｃ1＝（ｐ1・￢λ）＋（ｐ2・λ） …(a1)
ｃ2＝（ｐ1・λ）＋（ｐ2・￢λ） …(a2)

以上の説明から理解される通り、更新後の部分集合Ｐrの要素数Ｍは、更新処理Ｓa8により変化する。更新処理Ｓa8の実行後にＲ個の部分集合Ｐ1～ＰRのうちのＢ個を評価指標Ｆrに応じて選別する処理（Ｓa6）では、要素数Ｍが適切な部分集合Ｐrが選択され易い傾向がある。すなわち、各部分集合Ｐrの要素数Ｍは、更新処理Ｓa8毎に最適値に近付いていく。なお、要素数Ｍは可変であるが、要素配列Ｇrの要素Ｆqの個数Ｑは固定値である。

図１２は、探索処理の反復回数と評価指標Ｅrとの関係を示すグラフであり、図１３は、探索処理の反復回数と部分集合Ｐrの要素数Ｍとの関係を示すグラフである。図１２から理解される通り、第１実施形態によれば、反復回数の増加とともに評価指標Ｅrが増加する。すなわち、探索処理の対象となるＲ個の部分集合Ｐ1～ＰRが、独立成分分析に好適な部分集合Ｐrに洗練されていく。また、反復回数の増加とともに部分集合Ｐrの要素数Ｍが適切な数値に収束する傾向が図１３から確認できる。以上の説明から理解される通り、第１実施形態によれば、独立成分分析に好適な部分集合Ｐrの探索（ひいては好適な成分検量用スペクトルＺn(r)の探索）を効率化することが可能である。

要素配列Ｇrの形式としては、図８に対比例として図示される通り、部分集合Ｐrを構成するＭ個の光学スペクトルＸ0の各々の番号を指定する形式も想定される。しかし、対比例では、前述した遺伝的アルゴリズムにおける交叉をそのままでは適用できない。対比例とは対照的に、第１実施形態の要素配列Ｇrは、部分集合Ｐrにおける光学スペクトルＸ0の有無を２値的（０／１）に表すＱ個の要素Ｆ1～ＦQで構成されるから、前述の交叉を含む多様な遺伝的操作を更新処理Ｓa8に利用できるという利点がある。また、要素配列Ｇrが２値で表現されるから、更新処理Ｓa8を単純な論理演算により高速に実現できるという利点もある。

＜第２実施形態＞
本発明の第２実施形態を説明する。なお、以下の各例示において機能が第１実施形態と同様である要素については、第１実施形態の説明で使用した符号を流用して各々の詳細な説明を適宜に省略する。

第１実施形態では、更新処理Ｓa8に一様交叉を利用した。第２実施形態では、遺伝的アルゴリズムにおける突然変異（mutation）を更新処理Ｓa8に利用する。突然変異は、各要素配列ＧbにおけるＱ個の要素Ｆ1～ＦQから確率的に選択された各要素Ｆqの数値を０および１の一方から他方に変更する遺伝的操作である。

図１４は、第２実施形態の更新処理Ｓa8に関する真理値表である。図１４の記号ｐは、更新前の要素配列Ｇbにおける任意の１個の要素Ｆqを意味し、記号ｃは、更新後の要素配列Ｇrにおける任意の１個の要素Ｆqを意味する。また、記号γは、要素ｐを反転させるか否かを示す要素であり、反転を意味する数値１に所定の確率Ｌ1（突然変異率）で設定される。記号βは、要素ｐの追加を採用するか否かを示す要素であり、反転の採用を意味する数値１に所定の確率Ｌ2で設定される。

図１４から理解される通り、要素βと要素γとが１で一致し、かつ、要素ｐが０である場合、当該要素ｐに対応する要素ｃは１に設定される。すなわち、部分集合Ｐbに光学スペクトルＸ0が追加される。また、要素γおよび要素ｐの双方が１である場合、要素βの数値に関わらず要素ｃは０に設定される。すなわち、部分集合Ｐbの光学スペクトルＸ0が削除される。以上に例示した突然変異は、例えば以下の論理式(b)で表現される。
ｃ＝（β・γ・￢ｐ）＋（￢γ・ｐ） …(b)

なお、要素βが数値１に設定される確率（すなわち要素の追加を採用する確率）Ｌ2は、例えば以下の数式で表現される。
Ｌ2＝Ｍ／（Ｑ－Ｍ）
すなわち、部分集合Ｐの要素数Ｍが増加するほど、要素Ｆqの追加を採用する確率Ｌ2は上昇する。したがって、更新処理Ｓa8による更新の前後で要素数Ｍが大幅に乖離する可能性を低減できる。第２実施形態においても第１実施形態と同様の効果が実現される。

＜第３実施形態＞
第３実施形態の更新処理Ｓa8においては、第２実施形態と同様に、要素配列ＧbにおけるＱ個の要素Ｆ1～ＦQから確率的に選択された各要素Ｆqの数値を０および１の一方から他方に変更する突然変異により部分集合Ｐbを更新することで新規な部分集合Ｐが生成される。第３実施形態では、突然変異の具体的な方法が第２実施形態とは相違する。

図１５は、第３実施形態の更新処理Ｓa8に関する真理値表である。要素ｐおよび要素ｃの意味は第２実施形態と同様である。図１５の記号γは、要素ｐを１から０に変更（すなわち光学スペクトルＸ0を削除）するか否かを示す要素であり、削除を意味する数値１に所定の確率Ｌ1で設定される。また、記号βは、要素ｐを０から１に変更（すなわち光学スペクトルＸ0を追加）するか否かを示す要素であり、追加を意味する数値１に所定の確率Ｌ2で設定される。

図１５から理解される通り、要素βが１であり、かつ、要素ｐが０である場合、当該要素ｐに対応する要素ｃは１に設定される。すなわち、部分集合Ｐbに光学スペクトルＸ0が追加される。要素γおよび要素ｐの双方が１であり、かつ、要素βが０である場合、当該要素ｐに対応する要素ｃは０に設定される。すなわち、部分集合Ｐbの光学スペクトルＸ0が削除される。また、要素βおよび要素γの双方が１であり、かつ、要素ｐが１である場合、当該要素ｐに対応する要素ｃは０に設定される。すなわち、部分集合Ｐbの光学スペクトルＸ0が削除される。以上に例示した突然変異は、例えば以下の論理式(c)で表現される。
ｃ＝￢γ・ｐ＋ｂ・￢ｐ …(c)

なお、要素βが数値１に設定される確率（すなわち要素を追加する確率）Ｌ2は、例えば以下の数式で表現される。
Ｌ2＝Ｌ1×Ｍ／（Ｑ－Ｍ）
第３実施形態においても第１実施形態と同様の効果が実現される。

＜変形例＞
以上に例示した各形態は多様に変形され得る。前述の各形態に適用され得る具体的な変形の態様を以下に例示する。なお、以下の例示から任意に選択された２以上の態様は、相互に矛盾しない範囲で適宜に併合され得る。

（１）前述の各形態では、複数の演算値αと複数の成分量Ｃtとの相関係数（相関度）を成分検量用スペクトルＺn(r)の評価指標Ｖn(r)として算定したが、評価指標Ｖn(r)の算定方法は以上の例示に限定されない。例えば、目的成分に対応する標準的な光学スペクトル（以下「参照光学スペクトル」という）を事前に記憶装置１２に記憶し、各成分固有スペクトルＹn(r)と参照光学スペクトルとの類似度を、評価指標Ｖn(r)として算定してもよい。

（２）第１実施形態では、更新処理Ｓa8において一様交叉を実行する構成を例示したが、更新処理Ｓa8で実行される遺伝的操作は一様交叉に限定されない。例えば、相異なる２個の要素配列Ｇbの各々を１箇所以上で切断して相互に交換するｎ点交叉（多点交叉）を更新処理Ｓa8で実行してもよい。また、突然変異の具体的な方法も、第２実施形態または第３実施形態に例示した方法に限定されない。例えば、要素配列ＧbのＱ個の要素Ｆ1～ＦQの各々について反転の有無を確率的に判定し、反転対象の要素Ｆqを０および１の一方から他方に変更してもよい。

（３）第１実施形態で例示した交叉と、第２実施形態または第３実施形態で例示した突然変異とを、更新処理Ｓa8において併用してもよい。また、同種または別種の遺伝的操作を部分集合Ｐbに対して複数回にわたり累積的に実行することで複数の部分集合Ｐrを生成してもよい。

（４）前述の各形態では、要素配列ＧrのＱ個の要素Ｆ1～ＦQのうち部分集合Ｐrに含まれる光学スペクトルＸ0に対応する各要素Ｆqを１に設定して残余の各要素Ｆqを０に設定したが、部分集合Ｐrに含まれる光学スペクトルＸ0に対応する各要素Ｆqを０に設定して残余の各要素Ｆqを１に設定してもよい。

（５）検量装置１００は、目的成分検量用スペクトルＺと検量線Ｃcとを生成する解析装置としても特定される。解析装置は、前述の各形態で例示した解析処理部２１を具備する。解析装置においては検量処理部２２が省略され得る。なお、目的成分検量用スペクトルＺと検量線Ｃcとを生成する装置（解析処理部２１を具備する装置）と、検量処理Ｓbを実行する装置（検量処理部２２を具備する装置）とを相互に別体の装置として実現してもよい。

１００…検量装置、２００…測定器、１１…制御装置、１２…記憶装置、１３…表示装置、２１…解析処理部、２２…検量処理部。

Claims

被検体に含有される目的成分の成分量を検量する検量装置であって、
前記目的成分に対応する目的成分検量用スペクトルと、前記目的成分検量用スペクトルと前記被検体の光学スペクトルとの内積の演算値と前記目的成分の成分量との関係を表す検量線と、を生成する解析処理部と、
前記演算値に対応する前記目的成分の成分量を、前記検量線から特定する検量処理部とを具備し、
前記解析処理部は、
（ａ）Ｎ種類（Ｎは１以上の整数）の成分を含有するサンプルについて測定されたＱ個（Ｑは３以上の整数）の光学スペクトルの集合からＲ個（Ｒは２以上の整数）の部分集合を生成する処理であって、前記Ｒ個の部分集合の各々について、前記Ｑ個の光学スペクトルにそれぞれ対応するＱ個の要素からなり、当該部分集合に含まれる光学スペクトルに対応する要素が第１値に設定され、当該部分集合に含まれない光学スペクトルに対応する要素が第２値に設定された要素配列を生成する処理と、
（ｂ）前記Ｒ個の部分集合の各々に対して、前記Ｎ種類の成分量を独立成分とする独立成分分析を実行することで、複数の成分の各々について成分検量用スペクトルを特定する処理と、
（ｃ）前記Ｒ個の部分集合からＢ個（Ｂは１以上Ｒ未満の整数）の部分集合を選択する処理と、
（ｄ）前記Ｂ個の部分集合にそれぞれ対応するＢ個の要素配列について、前記各要素配列の前記Ｑ個の要素のうち１個以上の要素の数値を変更することで、前記処理（ｂ）の対象となるＲ個の部分集合にそれぞれ対応するＲ個の要素配列を生成し、当該要素配列から部分集合を生成する処理と、
（ｅ）終了条件が成立するまで、前記処理（ｂ）から前記処理（ｄ）を反復する処理と、
（ｆ）前記終了条件が成立した場合に、前記処理（ｂ）で特定された複数の成分検量用スペクトルから前記目的成分検量用スペクトルを特定する処理と、
（ｇ）前記目的成分の成分量が既知であるサンプルについて測定された複数の評価用光学スペクトルの各々と前記目的成分検量用スペクトルとの内積の演算値と、当該サンプルに含有される前記目的成分の成分量と、の関係から前記検量線を特定する処理とを実行する
検量装置。
前記処理（ｄ）は、前記Ｂ個の要素配列のうち相異なる第１要素配列と第２要素配列との間において、前記Ｑ個の要素のうち共通の光学スペクトルに対応する要素同士で数値を交換する処理を含む
請求項１の検量装置。
前記処理（ｄ）は、前記Ｂ個の要素配列のうちの一の要素配列における前記Ｑ個の要素から所定の確率で選択された１個以上の要素の数値を、前記第１値および前記第２値の一方から他方に変更する処理を含む
請求項１または請求項２の検量装置。
被検体に含有される目的成分の成分量をコンピューターが検量する方法であって、
前記目的成分に対応する目的成分検量用スペクトルと、前記目的成分検量用スペクトルと前記被検体の光学スペクトルとの内積の演算値と前記目的成分の成分量との関係を表す検量線と、を生成する解析処理と、
前記演算値に対応する前記目的成分の成分量を、前記検量線から特定する検量処理とを含み、
前記解析処理は、
（ａ）Ｎ種類（Ｎは１以上の整数）の成分を含有するサンプルについて測定されたＱ個（Ｑは３以上の整数）の光学スペクトルの集合からＲ個（Ｒは２以上の整数）の部分集合を生成する処理であって、前記Ｒ個の部分集合の各々について、前記Ｑ個の光学スペクトルにそれぞれ対応するＱ個の要素からなり、当該部分集合に含まれる光学スペクトルに対応する要素が第１値に設定され、当該部分集合に含まれない光学スペクトルに対応する要素が第２値に設定された要素配列を生成する処理と、
（ｂ）前記Ｒ個の部分集合の各々に対して、前記Ｎ種類の成分量を独立成分とする独立成分分析を実行することで、複数の成分の各々について成分検量用スペクトルを特定する処理と、
（ｃ）前記Ｒ個の部分集合からＢ個（Ｂは１以上Ｒ未満の整数）の部分集合を選択する処理と、
（ｄ）前記Ｂ個の部分集合にそれぞれ対応するＢ個の要素配列について、前記各要素配列の前記Ｑ個の要素のうち１個以上の要素の数値を変更することで、前記処理（ｂ）の対象となるＲ個の部分集合にそれぞれ対応するＲ個の要素配列を生成し、当該要素配列から部分集合を生成する処理と、
（ｅ）終了条件が成立するまで、前記処理（ｂ）から前記処理（ｄ）を反復する処理と、
（ｆ）前記終了条件が成立した場合に、前記処理（ｂ）で特定された複数の成分検量用スペクトルから前記目的成分検量用スペクトルを特定する処理と、
（ｇ）前記目的成分の成分量が既知であるサンプルについて測定された複数の評価用光学スペクトルの各々と前記目的成分検量用スペクトルとの内積の演算値と、当該サンプルに含有される前記目的成分の成分量と、の関係から前記検量線を特定する処理とを含む
検量方法。