JP7414125B2 - 波形情報推定方法及び装置、並びに、ピーク波形処理方法及び装置 - Google Patents
波形情報推定方法及び装置、並びに、ピーク波形処理方法及び装置 Download PDFInfo
- Publication number
- JP7414125B2 JP7414125B2 JP2022515206A JP2022515206A JP7414125B2 JP 7414125 B2 JP7414125 B2 JP 7414125B2 JP 2022515206 A JP2022515206 A JP 2022515206A JP 2022515206 A JP2022515206 A JP 2022515206A JP 7414125 B2 JP7414125 B2 JP 7414125B2
- Authority
- JP
- Japan
- Prior art keywords
- waveform
- function
- peak
- partial
- model
- 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
- 238000000034 method Methods 0.000 title claims description 56
- 238000003672 processing method Methods 0.000 title claims description 24
- 230000006870 function Effects 0.000 claims description 228
- 238000009826 distribution Methods 0.000 claims description 71
- 238000012545 processing Methods 0.000 claims description 39
- 238000004458 analytical method Methods 0.000 claims description 34
- 238000000605 extraction Methods 0.000 claims description 32
- 238000001514 detection method Methods 0.000 claims description 27
- 238000005259 measurement Methods 0.000 claims description 23
- 238000000926 separation method Methods 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 6
- 208000009119 Giant Axonal Neuropathy Diseases 0.000 description 30
- 201000003382 giant axonal neuropathy 1 Diseases 0.000 description 30
- 239000000523 sample Substances 0.000 description 23
- 238000013528 artificial neural network Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 13
- 238000007405 data analysis Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 11
- 238000011088 calibration curve Methods 0.000 description 11
- 238000004445 quantitative analysis Methods 0.000 description 9
- 230000014759 maintenance of location Effects 0.000 description 6
- 238000004451 qualitative analysis Methods 0.000 description 6
- 238000004587 chromatography analysis Methods 0.000 description 5
- 239000007788 liquid Substances 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 238000013480 data collection Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 239000002207 metabolite Substances 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 239000012472 biological sample Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000012488 sample solution Substances 0.000 description 1
- 238000013112 stability test Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000013076 target substance Substances 0.000 description 1
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
- G01N30/8624—Detection of slopes or peaks; baseline correction
- G01N30/8631—Peaks
-
- 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
- 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
- G01N30/8693—Models, e.g. prediction of retention times, method development and validation
-
- 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
- G01N30/62—Detectors specially adapted therefor
- G01N30/72—Mass spectrometers
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Description
所定の分析装置を用いた実測に基く信号波形から、モデル化対象である部分波形を抽出する波形抽出ステップと、
前記波形抽出ステップにおいて得られた部分波形を入力とし、生成モデルと識別モデルという互いに敵対する二つのモデルを用いた敵対的学習を実行することで、前記部分波形に対応するモデル関数、又は、該モデル関数及び該関数における形状の分布情報を取得する敵対的学習ステップと、
を実行するものである。
所定の分析装置を用いた実測に基く信号波形から、モデル化対象である部分波形を抽出する波形抽出部と、
前記波形抽出部により得られた部分波形を入力とし、生成モデルと識別モデルという互いに敵対する二つのモデルを用いた敵対的学習を実行することで、前記部分波形に対応するモデル関数、又は、該モデル関数及び該関数における形状の分布情報を取得する敵対的学習部と、
を備えるものである。
前記部分波形はピーク波形であり、
前記敵対的学習ステップにおいて得られたモデル関数を利用してピークモデル波形を生成するモデル波形生成ステップ、をさらに実行し、前記ピークモデル波形を利用して目的の信号波形に対するピーク検出を行うものである。
前記部分波形はピーク波形であり、
前記敵対的学習ステップにおいて得られたモデル関数を利用して、目的の信号波形において重なっている複数のピークを分離する波形処理を行う処理ステップ、をさらに実行するものである。
前記部分波形はピーク波形であり、
前記敵対的学習部により得られたモデル関数を利用してピークモデル波形を生成するモデル波形生成部、をさらに備え、前記ピークモデル波形を利用して目的の信号波形に対するピーク検出を行うものである。
前記部分波形はピーク波形であり、
前記敵対的学習部により得られたモデル関数を利用して、目的の信号波形において重なっている複数のピークを分離する波形処理を行う波形処理部、をさらに備えるものである。
以下の例では、解析対象の信号波形はクロマトグラム波形であり、データ解析によって、クロマトグラム上で観測されるピークを検出するとともに該ピークのピークトップの位置(保持時間)及びピーク面積値(又は高さ値)を求めるものとする。
図1は、本発明に係る波形情報推定装置を含むデータ解析装置を備えたLC装置の一実施形態の全体構成図である。
本実施形態のLC装置では、解析対象であるクロマトグラムに現れているピークを検出しその特徴値としてのピーク面積値を得るために、ベイズ推定に基くピークフィッティングを利用している。
上述したように、ベイズ推定によるフィッティングの手法をピーク波形に対して適用するためには、ピークモデル関数とその関数における形状パラメーターの分布(事前分布)とが必要である。一般的には、ピーク波形に対するモデル関数としてはガウス関数やEMG関数などが用いられる。それに対し、ここでは、こうした明示的なモデル関数を用いること無く、ピーク波形を表す関数自体とその関数が持ちうる形状の分布(形状パラメーターの分布)とを同時に学習する機械学習の手法を利用して、クロマトグラフ装置の種類・方式やその分析の適用分野の特性等に応じたピークモデル関数とその関数のパラメーター分布情報とを推定する。
また、上記説明では、本発明に係る手法をクロマトグラム上のピークの解析に適用したが、それ以外の波形の解析に利用することができる。例えば、ピーク面積から成分濃度(含有量)等を求める際に使用される検量線も一種の信号波形であり、検量線についても同様の解析が可能である。もちろん、通常、検量線の形状はガウス関数に従わないが、ガウス関数を用いる代わりに、関数g(t+f(t,Z),Z)を用いてモデル化することが可能である。また、薬剤反応量の変化量の時間経過等などを示す波形の解析にも本手法を適用することができる。
上述した例示的な実施形態は、以下の態様の具体例であることが当業者により理解される。
所定の分析装置を用いた実測に基く信号波形から、モデル化対象である部分波形を抽出する波形抽出ステップと、
前記波形抽出ステップにおいて得られた部分波形を入力とし、生成モデルと識別モデルという互いに敵対する二つのモデルを用いた敵対的学習を実行することで、前記部分波形に対応するモデル関数、又は、該モデル関数及び該関数における形状の分布情報を取得する敵対的学習ステップと、
を実行するものである。
所定の分析装置を用いた実測に基く信号波形から、モデル化対象である部分波形を抽出する波形抽出部と、
前記波形抽出部により得られた部分波形を入力とし、生成モデルと識別モデルという互いに敵対する二つのモデルを用いた敵対的学習を実行することで、前記部分波形に対応するモデル関数、又は、該モデル関数及び該関数における形状の分布情報を取得する敵対的学習部と、
を備えるものである。
前記部分波形はピーク波形であり、
前記敵対的学習ステップにおいて得られたモデル関数を利用してピークモデル波形を生成するモデル波形生成ステップ、をさらに実行し、前記ピークモデル波形を利用して目的の信号波形に対するピーク検出を行うものとすることができる。
前記部分波形はピーク波形であり、
前記敵対的学習部により得られたモデル関数を利用してピークモデル波形を生成するモデル波形生成部、をさらに備え、前記ピークモデル波形を利用して目的の信号波形に対するピーク検出を行うものとすることができる。
前記部分波形はピーク波形であり、
前記敵対的学習ステップにおいて得られたモデル関数を利用して、目的の信号波形において重なっている複数のピークを分離する波形処理を行う処理ステップ、をさらに実行するものとすることができる。
前記部分波形はピーク波形であり、
前記敵対的学習部により得られたモデル関数を利用して、目的の信号波形において重なっている複数のピークを分離する波形処理を行う波形処理部、を備えるものとすることができる。
11…移動相容器
12…ポンプ
13…インジェクター
14…カラム
15…検出器
20…データ解析部
21…データ収集部
22…ピーク検出処理部
221…事前情報記憶部
222…ベイズ推定処理部
223…ピーク特徴値決定部
23…定性・定量解析部
24…入力部
25…表示部
30…実測データ入力部
31…ピーク波形抽出部
32…敵対的学習実行部
33…モデル関数情報決定部
40…ランダムノイズ発生部
41…生成器
411…時間歪関数生成部
412…時間入力部
413…ガウス関数演算部
44…データ選択部
45…識別器
46…判定部
47…更新処理部
Claims (15)
- 信号波形についての波形情報を推定する方法であって、コンピューターを用い、
所定の分析装置を用いた実測に基く信号波形から、モデル化対象である部分波形を抽出する波形抽出ステップと、
前記波形抽出ステップにおいて得られた部分波形を入力とし、生成モデルと識別モデルという互いに敵対する二つのモデルを用いた敵対的学習を実行することで、前記部分波形に対応するモデル関数、又は、該モデル関数及び該関数における形状の分布情報を取得する敵対的学習ステップと、
を実行するものであり、前記敵対的学習ステップでは、前記部分波形を所定の関数で近似したときの歪み要素を表す部分関数を生成し、該部分関数を前記所定の関数に導入するとともに、前記信号波形の横軸のパラメーターを該関数の引数とすることで、入力された前記部分波形と比較される偽の波形を出力する処理を行う波形情報推定方法。 - 信号波形についての波形情報を推定する方法であって、コンピューターを用い、
所定の分析装置を用いた実測に基く信号波形から、モデル化対象である、単一のピーク波形である部分波形を抽出する波形抽出ステップと、
前記波形抽出ステップにおいて得られた部分波形を入力とし、生成モデルと識別モデルという互いに敵対する二つのモデルを用いた敵対的学習を実行することで、前記部分波形に対応するモデル関数、又は、該モデル関数及び該関数における形状の分布情報を取得する敵対的学習ステップと、
を実行する波形情報推定方法。 - 信号波形についての波形情報を推定する方法であって、コンピューターを用い、
所定の分析装置を用いた実測に基く信号波形から、モデル化対象である部分波形を抽出する波形抽出ステップと、
前記波形抽出ステップにおいて得られた部分波形を入力とし、生成モデルと識別モデルという互いに敵対する二つのモデルを用いた敵対的学習を実行することで、前記部分波形に対応するモデル関数及び該モデル関数における形状の分布情報を取得する敵対的学習ステップと、
を実行する波形情報推定方法。 - 前記部分波形はピーク波形であり、前記歪み要素は、該ピーク波形の横軸のパラメーターについての歪みの関数である、請求項1に記載の波形情報推定方法。
- 前記信号波形の横軸のパラメーターは時間である、請求項4に記載の波形情報推定方法。
- 前記部分波形はピーク波形であり、
前記敵対的学習ステップにおいて得られたモデル関数を利用してピークモデル波形を生成するモデル波形生成ステップ、をさらに実行し、前記ピークモデル波形を利用して目的の信号波形に対するピーク検出を行う、請求項1~3のいずれか1項に記載の波形情報推定方法を用いたピーク波形処理方法。 - 前記部分波形はピーク波形であり、
前記敵対的学習ステップにおいて得られたモデル関数を利用して、目的の信号波形において重なっている複数のピークを分離する波形処理を行う処理ステップ、をさらに実行する、請求項1又は3に記載の波形情報推定方法を用いたピーク波形処理方法。 - 検出された又は分離された各ピークについて所定の特徴値を求める特徴値推算ステップをさらに実行する、請求項6に記載のピーク波形処理方法。
- ピーク検出、ピークの分離、及び/又は、ピークについての所定の特徴値の推算を、ベイズ推定を用いて行う、請求項6に記載のピーク波形処理方法。
- 所定の分析装置を用いた実測に基く信号波形から、モデル化対象である部分波形を抽出する波形抽出部と、
前記波形抽出部により得られた部分波形を入力とし、生成モデルと識別モデルという互いに敵対する二つのモデルを用いた敵対的学習を実行することで、前記部分波形に対応するモデル関数、又は、該モデル関数及び該関数における形状の分布情報を取得する敵対的学習部と、
を備え、前記敵対的学習部は、前記部分波形を所定の関数で近似したときの歪み要素を表す部分関数を生成し、該部分関数を前記所定の関数に導入するとともに、前記信号波形の横軸のパラメーターを該関数の引数とすることで、入力された前記部分波形と比較される偽の波形を出力する処理を行う、波形情報推定装置。 - 所定の分析装置を用いた実測に基く信号波形から、モデル化対象である、単一のピーク波形である、部分波形を抽出する波形抽出部と、
前記波形抽出部により得られた部分波形を入力とし、生成モデルと識別モデルという互いに敵対する二つのモデルを用いた敵対的学習を実行することで、前記部分波形に対応するモデル関数、又は、該モデル関数及び該関数における形状の分布情報を取得する敵対的学習部と、
を備える波形情報推定装置。 - 所定の分析装置を用いた実測に基く信号波形から、モデル化対象である部分波形を抽出する波形抽出部と、
前記波形抽出部により得られた部分波形を入力とし、生成モデルと識別モデルという互いに敵対する二つのモデルを用いた敵対的学習を実行することで、前記部分波形に対応するモデル関数及び該モデル関数における形状の分布情報を取得する敵対的学習部と、
を備える波形情報推定装置。 - 信号波形についての波形情報を推定する方法であって、コンピューターを用い、
所定の分析装置を用いた実測に基く信号波形から、モデル化対象である部分波形を抽出する波形抽出ステップと、
前記波形抽出ステップにおいて得られた部分波形を入力とし、学習を実行することで、前記部分波形に対応するモデル関数、又は、該モデル関数及び該関数における形状の分布情報を取得する学習ステップと、
を実行するものであり、前記学習ステップでは、前記部分波形を所定の関数で近似したときの歪み要素を表す部分関数を生成し、該部分関数を前記所定の関数に導入するとともに、前記信号波形の横軸のパラメーターを該関数の引数とすることで、入力された前記部分波形と比較される偽の波形を出力する処理を行う波形情報推定方法。 - 信号波形についての波形情報を推定する方法であって、コンピューターを用い、
所定の分析装置を用いた実測に基く信号波形から、モデル化対象である部分波形を抽出する波形抽出ステップと、
前記波形抽出ステップにおいて得られた部分波形を入力とし、学習を実行することで、前記部分波形に対応するモデル関数、又は、該モデル関数及び該関数における形状の分布情報を取得する学習ステップと、
を実行するものであり、前記部分波形は単一のピーク波形である、波形情報推定方法。 - 信号波形についての波形情報を推定する方法であって、コンピューターを用い、
所定の分析装置を用いた実測に基く信号波形から、モデル化対象である部分波形を抽出する波形抽出ステップと、
前記波形抽出ステップにおいて得られた部分波形を入力とし、学習を実行することで、前記部分波形に対応するモデル関数及び該モデル関数における形状の分布情報を取得する学習ステップと、
を実行する波形情報推定方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020073946 | 2020-04-17 | ||
JP2020073946 | 2020-04-17 | ||
PCT/JP2021/000823 WO2021210228A1 (ja) | 2020-04-17 | 2021-01-13 | 波形情報推定方法及び装置、並びに、ピーク波形処理方法及び装置 |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2021210228A1 JPWO2021210228A1 (ja) | 2021-10-21 |
JPWO2021210228A5 JPWO2021210228A5 (ja) | 2022-09-28 |
JP7414125B2 true JP7414125B2 (ja) | 2024-01-16 |
Family
ID=78083584
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022515206A Active JP7414125B2 (ja) | 2020-04-17 | 2021-01-13 | 波形情報推定方法及び装置、並びに、ピーク波形処理方法及び装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20230160862A1 (ja) |
JP (1) | JP7414125B2 (ja) |
CN (1) | CN115398226B (ja) |
WO (1) | WO2021210228A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118136119B (zh) * | 2024-04-30 | 2024-08-06 | 宁波海尔施基因科技股份有限公司 | 一种用于Sanger测序的毛细管电泳迁移率校正方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018155412A1 (ja) | 2017-02-21 | 2018-08-30 | 日本電気株式会社 | 分類装置と分類方法並びにプログラム |
US20190379977A1 (en) | 2018-06-07 | 2019-12-12 | Lofelt Gmbh | Systems and methods for generating haptic output for enhanced user experience |
JP2020042598A (ja) | 2018-09-12 | 2020-03-19 | 国立大学法人神戸大学 | 生体信号データからの個体特徴分離による状態予測方法および装置 |
WO2020070786A1 (ja) | 2018-10-02 | 2020-04-09 | 株式会社島津製作所 | 識別器の生成方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107076712B (zh) * | 2014-09-03 | 2019-01-11 | 株式会社岛津制作所 | 色谱数据处理方法以及装置 |
CN110197224B (zh) * | 2019-05-29 | 2021-05-14 | 华南理工大学 | 基于特征空间深度对抗学习的空中手写字符轨迹恢复方法 |
CN110364186B (zh) * | 2019-08-08 | 2021-06-25 | 清华大学深圳研究生院 | 一种基于对抗学习的端到端的跨语言语音情感识别方法 |
CN110580682A (zh) * | 2019-09-16 | 2019-12-17 | 电子科技大学 | 一种基于优化生成对抗网络地震数据超分辨率重建方法 |
-
2021
- 2021-01-13 JP JP2022515206A patent/JP7414125B2/ja active Active
- 2021-01-13 US US17/918,259 patent/US20230160862A1/en active Pending
- 2021-01-13 WO PCT/JP2021/000823 patent/WO2021210228A1/ja active Application Filing
- 2021-01-13 CN CN202180028313.6A patent/CN115398226B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018155412A1 (ja) | 2017-02-21 | 2018-08-30 | 日本電気株式会社 | 分類装置と分類方法並びにプログラム |
US20190379977A1 (en) | 2018-06-07 | 2019-12-12 | Lofelt Gmbh | Systems and methods for generating haptic output for enhanced user experience |
JP2020042598A (ja) | 2018-09-12 | 2020-03-19 | 国立大学法人神戸大学 | 生体信号データからの個体特徴分離による状態予測方法および装置 |
WO2020070786A1 (ja) | 2018-10-02 | 2020-04-09 | 株式会社島津製作所 | 識別器の生成方法 |
Non-Patent Citations (1)
Title |
---|
STINIS, P. et al.,Enforcing constraints for interpolation and extrapolation in Generative Adversarial Networks,Journal of Computational Physics,2019年,Vol.397, No.108844,p.1-33,ISSN:0021-9991, 特に第10頁第2段落参照 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2021210228A1 (ja) | 2021-10-21 |
CN115398226A (zh) | 2022-11-25 |
CN115398226B (zh) | 2024-02-09 |
WO2021210228A1 (ja) | 2021-10-21 |
US20230160862A1 (en) | 2023-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pierce et al. | Review of chemometric analysis techniques for comprehensive two dimensional separations data | |
Pierce et al. | Classification of gasoline data obtained by gas chromatography using a piecewise alignment algorithm combined with feature selection and principal component analysis | |
US8428889B2 (en) | Methods of automated spectral peak detection and quantification having learning mode | |
US7983852B2 (en) | Methods of automated spectral peak detection and quantification without user input | |
US20200292509A1 (en) | Waveform analyzer | |
EP3407061A1 (en) | Chromatograph mass-spectrometry-data processing method and processing device | |
JPWO2018025361A1 (ja) | 分析データ処理方法及び分析データ処理装置 | |
Lopatka et al. | Probabilistic peak detection for first-order chromatographic data | |
JPWO2018134952A1 (ja) | 分析データ解析方法および分析データ解析装置 | |
JP7424595B2 (ja) | 識別器の生成方法及び装置 | |
JP7414125B2 (ja) | 波形情報推定方法及び装置、並びに、ピーク波形処理方法及び装置 | |
Palmer et al. | Using collective expert judgements to evaluate quality measures of mass spectrometry images | |
Mani-Varnosfaderani et al. | Estimating complicated baselines in analytical signals using the iterative training of Bayesian regularized artificial neural networks | |
Fan et al. | Deep-Learning-Assisted multivariate curve resolution | |
JP2009204397A (ja) | クロマトグラフ用データ処理装置 | |
JP6060793B2 (ja) | ピーク検出装置 | |
JP2023159214A (ja) | 波形解析方法及び波形解析装置 | |
JP7108136B2 (ja) | 分析装置 | |
Zhang et al. | Application of a target-guided data processing approach in saturated peak correction of GC× GC analysis | |
JP6929645B2 (ja) | マルチトレース定量化 | |
Burke IV | A robust and automated deconvolution algorithm of peaks in spectroscopic data | |
US7904410B1 (en) | Constrained dynamic time warping | |
US20230280316A1 (en) | Learning data producing method, waveform analysis device, waveform analysis method, and recording medium | |
US20230280318A1 (en) | Learning data producing method, waveform analysis device, waveform analysis method, and recording medium | |
Parastar et al. | Multivariate curve resolution-particle swarm optimization: a high-throughput approach to exploit pure information from multi-component hyphenated chromatographic signals |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220802 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220802 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220822 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230711 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230907 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231107 |
|
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: 20231128 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231211 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7414125 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |