JP7476247B2 - 相分析装置、試料分析装置、および分析方法 - Google Patents

Description

本発明は、相分析装置、試料分析装置、および分析方法に関する。

エネルギー分散型Ｘ線分光器（ＥＤＳ）や波長分散型Ｘ線分光器（ＷＤＳ）等のＸ線検出器が搭載された走査電子顕微鏡では、試料上の位置とＸ線スペクトルを対応づけたスペクトルイメージングデータを取得できる。スペクトルイメージングデータを用いて化合物の分布を求める手法として、相分析が知られている。

相分析は、複数の元素の相関関係から化合物の相を抽出し、相ごとの相関を調べる手法である。例えば、特許文献１には、元素マップデータから化合物の相の分布を示す相マップを作成する手法が開示されている。特許文献１では、主成分分析を用いて複数の元素の相関関係に基づき化合物の相を抽出するため、ユーザーが多数の元素から適切な元素の組み合わせを選択してその相関関係を見つけ出す必要がなく、容易に相マップを作成できる。

電子顕微鏡では、高い倍率での観察が可能であるが、電子顕微鏡で得られる視野は狭い。そのため、特許文献２には、電子顕微鏡において、視野を移動させながら撮影を繰り返して複数の観察画像を取得し、取得した複数の観察画像をつなぎ合わせて１つの大きな画像（モンタージュ画像）を作成する手法が開示されている。モンタージュ画像では、試料の広い領域を一度に観察できる。

特開２０１５－２１９２１７号公報 特開２０１０－２０９９７号公報

相マップについても特許文献２に記載された手法と同様の手法を用いることで、試料の広い領域の化合物の分布を観察できるモンタージュ画像を得ることができる。例えば、スペクトルイメージングデータごとに相マップを作成し、複数の相マップを結合して１つの相マップを作成することで、化合物の分布を観察できるモンタージュ画像が得られる。しかしながら、この場合、スペクトルイメージングデータごとに相マップが作成されるため、個々の相マップに整合性がないと、複数の相マップに同じ相（化合物）が存在したとしても、別の相に分類される場合がある。

本発明に係る相分析装置の一態様は、
試料上の位置と前記試料からの信号に基づくスペクトルを対応づけたスペクトルイメージングデータを複数取得するデータ取得部と、
前記複数のスペクトルイメージングデータの各々に対して多変量解析を行って、前記スペクトルイメージングデータごとに第１代表スペクトル群を取得する第１取得部と、
前記第１取得部で取得された複数の前記第１代表スペクトル群に対して多変量解析を行って、第２代表スペクトル群を取得する第２取得部と、
前記第２代表スペクトル群に含まれる複数の代表スペクトルを分類する分類部と、
前記分類部における分類結果に基づいて、前記複数のスペクトルイメージングデータの各々に対して相分析を行う相分析部と、
を含む。

このような相分析装置では、複数の第１代表スペクトル群に対して多変量解析を行って第２代表スペクトル群を取得し、第２代表スペクトル群を用いて複数のスペクトルイメージングデータの各々に対して相分析を行うため、複数のスペクトルイメージングデータから整合性がある相分析結果を得ることができる。

本発明に係る分析方法の一態様は、
試料上の位置と前記試料からの信号に基づくスペクトルを対応づけたスペクトルイメージングデータを複数取得する工程と、
前記複数のスペクトルイメージングデータの各々に対して多変量解析を行って、前記スペクトルイメージングデータごとに第１代表スペクトル群を取得する工程と、
取得された複数の前記第１代表スペクトル群に対して多変量解析を行って、第２代表スペクトル群を取得する工程と、
前記第２代表スペクトル群に含まれる複数の代表スペクトルを分類する工程と、
前記分類部における分類結果に基づいて、前記複数のスペクトルイメージングデータの各々に対して相分析を行う工程と、
を含む。

このような分析方法では、複数の第１代表スペクトル群に対して多変量解析を行って第２代表スペクトル群を取得し、第２代表スペクトル群を用いて複数のスペクトルイメージングデータの各々に対して相分析を行うため、複数のスペクトルイメージングデータから整合性がある相分析結果を得ることができる。

本発明の一実施形態に係る相分析装置を含む試料分析装置の構成を示す図。 本発明の一実施形態に係る相分析装置の構成を示す図。 本発明の一実施形態に係る相分析装置における分析方法を説明するための図。 本発明の一実施形態に係る相分析装置の処理の流れの一例を示す図。 試料の表面を模式的に示す図。 自己組織化マップを説明するための図。 階層的クラスタリング法を説明するための図。 階層的クラスタリング法を説明するための図。 ４つの相マップを結合する処理を説明するための図。 参考例に係る分析方法を説明するための図。 参考例に係る分析方法で得られた結合相マップを模式的に示す図。 第１変形例に係る分析方法を説明するための図。 第２変形例に係る分析方法を説明するための図。 複数のスペクトルイメージングデータの取得方法の一例を説明するための図。 複数のスペクトルイメージングデータの取得方法の一例を説明するための図。 複数のスペクトルイメージングデータの取得方法の一例を説明するための図。

以下、本発明の好適な実施形態について図面を用いて詳細に説明する。なお、以下に説明する実施形態は、特許請求の範囲に記載された本発明の内容を不当に限定するものではない。また、以下で説明される構成の全てが本発明の必須構成要件であるとは限らない。

１． 分析装置
まず、本発明の一実施形態に係る相分析装置について図面を参照しながら説明する。図１は、本発明の一実施形態に係る相分析装置８０を含む試料分析装置１００の構成を示す図である。

試料分析装置１００は、Ｘ線検出器７０が搭載された走査電子顕微鏡である。試料分析装置１００では、電子プローブＥＰで試料Ｓを走査して、試料Ｓ上の位置とＸ線スペクトルを対応づけたスペクトルイメージングデータを取得できる。

試料分析装置１００は、図１に示すように、電子銃１０と、コンデンサーレンズ２０と、走査コイル３０と、対物レンズ４０と、試料ステージ５０と、二次電子検出器６０と、Ｘ線検出器７０と、相分析装置８０と、を含む。

電子銃１０は、電子線を放出する。電子銃１０は、例えば、陰極から放出された電子を陽極で加速し電子線を放出する。

コンデンサーレンズ２０および対物レンズ４０は、電子銃１０から放出された電子線を集束させて電子プローブＥＰを形成する。コンデンサーレンズ２０によって、プローブ径およびプローブ電流を制御することができる。

走査コイル３０は、電子線を二次元的に偏向させる。走査コイル３０で電子線を二次元的に偏向させることによって、電子プローブＥＰで試料Ｓを走査できる。

試料ステージ５０は、試料Ｓを保持することができる。試料ステージ５０は、試料Ｓを移動させるための移動機構を有している。

二次電子検出器６０は、電子線が試料Ｓに照射されることによって試料Ｓから放出された二次電子を検出する。電子プローブＥＰで試料Ｓを走査し、試料Ｓから放出された二次電子を二次電子検出器６０で検出することで、二次電子像を得ることができる。なお、試料分析装置１００は、電子線が試料Ｓに照射されることによって試料Ｓから放出された反射電子を検出する反射電子検出器を備えていてもよい。

Ｘ線検出器７０は、電子線が試料Ｓに照射されることによって試料Ｓから放出された特性Ｘ線を検出する。Ｘ線検出器７０は、例えば、エネルギー分散型Ｘ線検出器（ＥＤＳ）である。なお、Ｘ線検出器７０は、波長分散型Ｘ線分光器（ＷＤＳ）であってもよい。電子プローブＥＰで試料Ｓを走査し、試料Ｓから放出された特性Ｘ線をＸ線検出器７０で検出することで、スペクトルイメージングデータを得ることができる。

スペクトルイメージングデータは、試料上の位置（座標）と試料からの信号に基づくスペクトルを対応づけたデータである。すなわち、スペクトルイメージングデータは、スペクトルの集合体である。試料分析装置１００では、スペクトルイメージングデータとして、試料Ｓ上の位置とＸ線スペクトル（ＥＤＳスペクトル）を対応づけたデータを取得できる。試料分析装置１００では、試料Ｓ上を電子プローブＥＰで走査しながら、各ピクセルごとにＸ線スペクトルを収集し、試料Ｓ上の位置（ピクセルの座標）とＸ線スペクトルを対応づけて記憶する。これにより、スペクトルイメージングデータを取得できる。

相分析装置（情報処理装置）８０は、スペクトルイメージングデータを用いて相分析を行い、相分析の結果を表示する。

図２は、相分析装置８０の構成を示す図である。

相分析装置８０は、図２に示すように、処理部８００と、操作部８１０と、表示部８２０と、記憶部８３０と、を含む。

操作部８１０は、ユーザーが操作情報を入力するためのものであり、入力された操作情報を処理部８００に出力する。操作部８１０の機能は、キーボード、マウス、ボタン、タッチパネル、タッチパッドなどの入力機器により実現することができる。

表示部８２０は、処理部８００によって生成された画像を表示するものであり、その機能は、ＬＣＤ（Liquid Crystal Display）や、ＣＲＴ（Cathode Ray Tube）などのディスプレイにより実現できる。

記憶部８３０は、処理部８００の各部としてコンピューターを機能させるためのプログラムや各種データを記憶している。また、記憶部８３０は、処理部８００のワーク領域としても機能する。記憶部８３０の機能は、ハードディスク、ＲＡＭ（Random Access Memory）などにより実現できる。

処理部８００は、記憶部８３０に記憶されているプログラムを実行することで、以下に説明する、データ取得部８０１、第１取得部８０２、第２取得部８０３、分類部８０４、相分析部８０５、表示制御部８０６として機能する。処理部８００の機能は、各種プロセッサ（ＣＰＵ（Central Processing Unit）、ＤＳＰ（Digital Signal Processor）等）、ＡＳＩＣ（Application Specific Integrated Circuit）などのハードウェアで、プログラムを実行することにより実現できる。処理部８００は、データ取得部８０１と、第１取得部８０２と、第２取得部８０３と、分類部８０４と、相分析部８０５と、表示制御部８０６と、を含む。

データ取得部８０１は、試料分析装置１００で試料Ｓを測定して得られた複数のスペクトルイメージングデータを取得する。複数のイメージングデータは、互いに関連するデータである。例えば、複数のイメージングデータは、同一試料を測定して得られた複数のデータである。

第１取得部８０２は、データ取得部８０１が取得した複数のスペクトルイメージングデータの各々に対して多変量解析を行って、スペクトルイメージングデータごとに代表スペクトル群（部分代表スペクトル）を取得する。多変量解析としては、自己組織化マップ、階層的クラスタリング法、Ｋ－ｍｅａｎｓ法、主成分分析、特異値分解、非負値行列分解、頂点成分分析などの手法が挙げられる。また、これらの手法を組み合わせてもよい。

第１取得部８０２は、複数のスペクトルイメージングデータの各々に対して多変量解析を行うことで、各スペクトルイメージングデータに含まれる複数のＸ線スペクトルから、複数の代表的なスペクトル（代表スペクトル）を抽出する。すなわち、第１取得部８０２は、スペクトルイメージングデータに含まれる複数のＸ線スペクトルを対象として多変量解析を行い、どのようなパターンのＸ線スペクトルで構成されているかを解析する。

このようにしてスペクトルイメージングデータごとに抽出された複数の代表スペクトルを、部分代表スペクトル群という。すなわち、第１取得部８０２は、スペクトルイメージングデータの数だけ部分代表スペクトル群を取得する。

第２取得部８０３は、第１取得部８０２で取得された複数の部分代表スペクトル群に対して多変量解析を行って、複数のスペクトルイメージングデータの全体を代表する代表ス
ペクトル群（全体代表スペクトル群）を取得する。

第２取得部８０３は、第１取得部８０２で取得された複数の部分代表スペクトル群に対して多変量解析を行うことで、複数の部分代表スペクトル群に含まれるすべての代表スペクトルから、複数の代表的な代表スペクトルを抽出する。すなわち、第２取得部８０３は、複数の部分代表スペクトル群に含まれるすべての代表スペクトルを対象として多変量解析を行い、どのようなパターンの代表スペクトルで構成されているかを解析する。

このようにして、第２取得部８０３は、複数のスペクトルイメージングデータの全体を代表する複数の代表スペクトルからなる全体代表スペクトル群を取得する。

第２取得部８０３における多変量解析としては、自己組織化マップ、階層的クラスタリング法、Ｋ－ｍｅａｎｓ法、主成分分析、特異値分解、非負値行列分解、頂点成分分析などの手法が挙げられる。第２取得部８０３における多変量解析の手法は、第１取得部８０２における多変量解析の手法と同じであってもよいし、異なっていてもよい。

分類部８０４は、第２取得部８０３で取得された全体代表スペクトル群に含まれる複数の代表スペクトルを分類する。分類部８０４は、例えば、全体代表スペクトル群に対してクラスター分析を行って、全体代表スペクトル群に含まれる複数の代表スペクトルを分類し、クラスターを作成する。クラスター分析は、多変量解析の一種であり、データ群のなかで類似したデータ同士を集めて仲間分けする教師なし学習である。クラスター分析としては、階層的クラスタリング法、Ｋ－ｍｅａｎｓ法などが挙げられる。

相分析部８０５は、複数のスペクトルイメージングデータの各々において、各ピクセルのＸ線スペクトルと全体代表スペクトル群に含まれる複数の代表スペクトルとの類似度を求め、各ピクセルのスペクトルがどのクラスター（相）に属するかを判定する。すなわち、相分析部８０５は、各ピクセルのＸ線スペクトルが分類部８０４で分類されたどのクラスター（パターン）に属するか分類し、各ピクセルの相（化合物）を特定する。相分析部８０５は、例えば、特定された各ピクセルの相を色分けし、相マップを作成する。

相分析部８０５は、スペクトルイメージングデータごとに作成された相マップを結合して、１つの相マップ（結合相マップ）を作成する。

表示制御部８０６は、結合相マップを表示部８２０に表示させる。

２． 分析方法
図３は、相分析装置８０における分析方法を説明するための図である。図４は、相分析装置８０の処理の流れの一例を示すフローチャートである。

＜スペクトルイメージングデータの取得Ｓ１０＞
データ取得部８０１は、試料分析装置１００で試料Ｓを測定して得られた、複数のスペクトルイメージングデータを取得する。図３に示す例では、データ取得部８０１は、４つのスペクトルイメージングデータ（第１スペクトルイメージングデータＤ１、第２スペクトルイメージングデータＤ２、第３スペクトルイメージングデータＤ３、第４スペクトルイメージングデータＤ４）を取得する。

図５は、試料Ｓの表面を模式的に示す図である。

図５に示すように、試料分析装置１００において、電子プローブＥＰで試料Ｓの第１領域Ａ１を走査し、試料Ｓから放出されたＸ線をＸ線検出器７０で検出し、検出位置（試料
Ｓ上の座標）とＸ線スペクトルデータを関連付けて記憶することで、第１領域Ａ１の第１スペクトルイメージングデータＤ１を得ることができる。データ取得部８０１は、試料分析装置１００で第１領域Ａ１を測定することで得られた第１スペクトルイメージングデータＤ１を取得する。第１スペクトルイメージングデータＤ１では、各ピクセルＰに対応する試料Ｓ上の位置と、その試料Ｓ上の位置で得られたＸ線スペクトルが関連付けて記憶されている。

第１領域Ａ１に隣接する第２領域Ａ２についても、試料分析装置１００において第１領域Ａ１と同様に測定を行い、データ取得部８０１は、第２スペクトルイメージングデータＤ２を取得する。第１領域Ａ１の測定を終えた後、第２領域Ａ２に移動する際には、試料ステージ５０で試料Ｓを移動させる。これにより、電子プローブＥＰの走査範囲よりも広い領域の測定が可能となる。

第２領域Ａ２に隣接する第３領域Ａ３、および第３領域Ａ３に隣接する第４領域Ａ４についても、試料分析装置１００において第１領域Ａ１と同様に測定を行い、データ取得部８０１は、第３スペクトルイメージングデータＤ３および第４スペクトルイメージングデータＤ４を取得する。

データ取得部８０１が取得した第１スペクトルイメージングデータＤ１、第２スペクトルイメージングデータＤ２、第３スペクトルイメージングデータＤ３、および第４スペクトルイメージングデータＤ４は、記憶部８３０に記憶される。

＜部分代表スペクトル群の取得Ｓ２０＞
第１取得部８０２は、データ取得部８０１が取得した４つのスペクトルイメージングデータの各々に対して多変量解析を行って、スペクトルイメージングデータごとに部分代表スペクトル群を取得する。

第１取得部８０２は、第１スペクトルイメージングデータＤ１に対して多変量解析を行って代表スペクトルを抽出し、部分代表スペクトル群Ｇ１を取得する。第１取得部８０２は、例えば、自己組織化マップを用いて代表スペクトルを抽出する。

図６は、自己組織化マップを説明するための図である。図６において、丸はノードを表し、矢印はベクトルを表し、太枠で囲まれたノードは勝者ノードを表している。

まず、出力層の全ノードにベクトルを与える。次に、各入力データに対して、出力層上で最も類似するベクトルを持っているノード（勝者ノード）を探索する。次に、各勝者ノードが周辺ノードに分配する学習量を求める。次に、出力層の全ベクトルを、入力データの重みづけ平均になるように更新する。この勝者ノードを探索する処理、学習量を求める処理、出力層の全ベクトルを更新する処理を、規定の回数繰り返す。この結果、出力層のノードのベクトルは、入力データの代表的なベクトルとなる。

横軸がチャンネル（エネルギー）、縦軸がＸ線強度で表されるＸ線スペクトルを学習させる場合には、Ｘ線スペクトルの各チャンネル（エネルギー）またはＲＯＩ（region of interest）を１つの次元とし、そのＸ線強度を成分としたベクトルとして扱う。ＲＯＩは、所定のエネルギー幅を持った領域をいう。

第１取得部８０２は、第１スペクトルイメージングデータＤ１に対して自己組織化マップを用いて代表スペクトルを抽出し、部分代表スペクトル群Ｇ１を取得する。部分代表スペクトル群Ｇ１は、第１スペクトルイメージングデータＤ１に含まれる複数のＸ線スペクトルを代表するスペクトル（代表スペクトル）の集まりである。

第１取得部８０２は、第２スペクトルイメージングデータＤ２に対しても、第１スペクトルイメージングデータＤ１と同様に、自己組織化マップを用いて代表スペクトルを抽出し、部分代表スペクトル群Ｇ２を取得する。

第１取得部８０２は、第３スペクトルイメージングデータＤ３に対しても、第１スペクトルイメージングデータＤ１と同様に、自己組織化マップを用いて代表スペクトルを抽出し、部分代表スペクトル群Ｇ３を取得する。

第１取得部８０２は、第４スペクトルイメージングデータＤ４に対しても、第１スペクトルイメージングデータＤ１と同様に、自己組織化マップを用いて代表スペクトルを抽出し、部分代表スペクトル群Ｇ４を取得する。

なお、上記では、第１取得部８０２は、自己組織化マップを用いてスペクトルイメージングデータから代表スペクトルを抽出したが、スペクトルイメージングデータから代表スペクトルを抽出する手法は自己組織化マップに限定されず、Ｋ－ｍｅａｎｓ法などその他の多変量解析を用いてもよい。

＜全体代表スペクトル群の取得Ｓ３０＞
第２取得部８０３は、部分代表スペクトル群Ｇ１、部分代表スペクトル群Ｇ２、部分代表スペクトル群Ｇ３、および部分代表スペクトル群Ｇ４に対して多変量解析を行って、全体代表スペクトル群Ｇを取得する。第２取得部８０３は、部分代表スペクトル群Ｇ１、部分代表スペクトル群Ｇ２、部分代表スペクトル群Ｇ３、および部分代表スペクトル群Ｇ４に含まれるすべての代表スペクトルを対象として、多変量解析を行う。

第２取得部８０３は、部分代表スペクトル群Ｇ１、部分代表スペクトル群Ｇ２、部分代表スペクトル群Ｇ３、および部分代表スペクトル群Ｇ４を入力データとして、部分代表スペクトル群Ｇ１、部分代表スペクトル群Ｇ２、部分代表スペクトル群Ｇ３、および部分代表スペクトル群Ｇ４に含まれるすべての代表スペクトルから自己組織化マップを用いて代表的なスペクトルを抽出し、全体代表スペクトル群Ｇを取得する。

なお、上記では、第２取得部８０３は、自己組織化マップを用いて部分代表スペクトル群から代表スペクトルを抽出したが、部分代表スペクトル群から代表スペクトルを抽出する手法は自己組織化マップに限定されず、Ｋ－ｍｅａｎｓ法などその他の多変量解析を用いてもよい。

＜分類Ｓ４０＞
分類部８０４は、全体代表スペクトル群Ｇに含まれる複数の代表スペクトルを分類する。分類部８０４は、例えば、階層的クラスタリング法を用いて、複数の代表スペクトルを分類し、クラスターを作成する。

図７および図８は、階層的クラスタリング法を説明するための図である。

分類部８０４は、図７および図８に示すように、全体代表スペクトル群Ｇに含まれる複数の代表スペクトル（代表スペクトルＣ１、代表スペクトルＣ２、代表スペクトルＣ３、代表スペクトルＣ４、代表スペクトルＣ５、代表スペクトルＣ６、代表スペクトルＣ７、代表スペクトルＣ８、代表スペクトルＣ９、代表スペクトルＣ１０）を、階層的クラスタリング法を用いて併合して、クラスターを作成する。

具体的には、分類部８０４は、代表スペクトルＣ１，Ｃ２，Ｃ３，Ｃ４，Ｃ５，Ｃ６，
Ｃ７，Ｃ８，Ｃ９，Ｃ１０間の距離（非類似度）およびクラスター間の距離（非類似度）を求め、その距離が短い組み合わせから順に併合する。併合の過程は、樹形図で表すことができる。併合に要する距離を結合距離という。

図８に示すように、樹形図を閾値Ｔで切断することによって、新たなクラスターを作成できる。階層的クラスタリング法では、閾値Ｔを調整することで、任意の数のクラスターを作成できる。図示の例では、樹形図を閾値Ｔで切断することによって、４つのクラスターが作成されている。

＜相マップの作成Ｓ５０＞
相分析部８０５は、全体代表スペクトル群Ｇを用いて、複数のスペクトルイメージングデータＤ１，Ｄ２，Ｄ３，Ｄ４の各々に対して相分析を行う。具体的には、相分析部８０５は、スペクトルイメージングデータごとに、全体代表スペクトル群Ｇを用いて各ピクセルのスペクトルを分類して、相マップを作成し、スペクトルイメージングデータごとに作成された相マップを結合して、１つの相マップ（結合相マップＭ）を作成する。

相分析部８０５は、まず、第１スペクトルイメージングデータＤ１の各ピクセルのＸ線スペクトルと、全体代表スペクトル群Ｇに含まれる各代表スペクトルとの類似度を求め、各ピクセルのＸ線スペクトルがどのクラスター（相）に属するかを判定する。この結果、各ピクセルがどの相に該当するのかを特定でき、相マップＭ１を作成できる。

相分析部８０５は、第２スペクトルイメージングデータＤ２に対しても第１スペクトルイメージングデータＤ１と同様の処理を行って、相マップＭ２を作成する。相分析部８０５は、第３スペクトルイメージングデータＤ３に対しても第１スペクトルイメージングデータＤ１と同様の処理を行って、相マップＭ３を作成する。相分析部８０５は、第４スペクトルイメージングデータＤ４に対しても第１スペクトルイメージングデータＤ１と同様の処理を行って、相マップＭ４を作成する。

＜相マップの結合Ｓ６０＞
相分析部８０５は、相マップＭ１、相マップＭ２、相マップＭ３、および相マップＭ４を結合して１つの相マップＭを作成する。

図９は、相マップＭ１、相マップＭ２、相マップＭ３、および相マップＭ４を結合する処理を説明するための図である。

図５に示すように、相マップＭ１は、第１領域Ａ１を測定して得られたマップであり、相マップＭ２は、第２領域Ａ２を測定して得られたマップであり、相マップＭ３は、第３領域Ａ３を測定して得られたマップであり、相マップＭ４は、第４領域Ａ４を測定して得られたマップである。そのため、図５に示す各領域の位置関係に基づいて、相マップＭ１、相マップＭ２、相マップＭ３、および相マップＭ４を結合することによって、結合相マップＭを作成できる。

＜表示Ｓ７０＞
表示制御部８０６は、結合相マップＭを表示部８２０に表示させる。

３． 効果
相分析装置８０は、複数のスペクトルイメージングデータを取得するデータ取得部８０１と、複数のスペクトルイメージングデータの各々に対して多変量解析を行ってスペクトルイメージングデータごとに部分代表スペクトル群（第１代表スペクトル群）を取得する第１取得部８０２と、第１取得部８０２で取得された複数の部分代表スペクトル群に対し
て多変量解析を行って、全体代表スペクトル群（第２代表スペクトル群）を取得する第２取得部８０３と、全体代表スペクトル群を用いて複数のスペクトルイメージングデータの各々に対して相分析を行う相分析部８０５と、を含む。

そのため、相分析装置８０では、第１取得部８０２で取得された複数の部分代表スペクトル群に対して多変量解析を行って全体代表スペクトル群を取得し、全体代表スペクトル群を用いて複数のスペクトルイメージングデータの各々に対して相分析を行うため、複数のスペクトルイメージングデータから整合性がある相分析結果（相マップ）を得ることができる。

図１０は、参考例に係る分析方法を説明するための図である。図１１は、参考例に係る分析方法で得られた結合相マップＭを模式的に示す図である。

図１０に示す参考例に係る分析方法では、第１スペクトルイメージングデータＤ１に対して自己組織化マップを用いて部分代表スペクトル群Ｇ１を取得し、取得した部分代表スペクトル群Ｇ１が含む複数の代表スペクトルを階層的クラスタリング法を用いて分類し、分類結果に基づいて相マップＭ１を作成する。同様に、第２スペクトルイメージングデータＤ２を用いて相マップＭ２を作成し、第３スペクトルイメージングデータＤ３を用いて相マップＭ３を作成し、第４スペクトルイメージングデータＤ４を用いて相マップＭ４を作成する。このようにして作成された相マップＭ１、相マップＭ２、相マップＭ３、および相マップＭ４を結合して１つの相マップＭ（結合相マップＭ）を作成する。

このように各相マップＭ１、Ｍ２，Ｍ３，Ｍ４を作成するための処理は、個々に行われ関連性がないため、各代表スペクトルの分類において、複数の相マップに同一の相が存在する場合でも、異なる相に分類される可能性がある。そのため、図１１に示すように、結合相マップＭにおいて、同じ相（化合物）にも関わらず、異なる相として表示される。このように、参考例に係る分析方法では、複数のスペクトルイメージングデータに対して相分析を行っても整合性がある相分析結果を得ることができない場合がある。

これに対して、相分析装置８０では、スペクトルイメージングデータごとに取得された部分代表スペクトル群に含まれるすべての代表スペクトルを対象として多変量解析を行って、全体代表スペクトル群Ｇを取得するため、複数のスペクトルイメージングデータに対して、共通の分類結果（共通のクラスター分析の結果）に基づいて、相分析を行うことができる。したがって、相分析装置８０では、複数のスペクトルイメージングデータから整合性がある相分析結果を得ることができる。

相分析装置８０では、相分析部８０５は、スペクトルイメージングデータごとに、全体代表スペクトル群Ｇを用いて各ピクセルのスペクトルを分類して相マップを作成し、スペクトルイメージングデータごとに作成された相マップを結合して、１つの相マップＭを作成する。そのため、相分析装置８０では、整合性のある複数の相マップを作成でき、良好な結合相マップＭを得ることができる。

４． 変形例
次に、相分析装置８０における分析方法の変形例について説明する。以下では、上述した相分析装置８０の例と異なる点について説明し、同様の点については説明を省略する。

４．１． 第１変形例
図１２は、第１変形例に係る分析方法を説明するための図である。

上述した実施形態では、図４に示す部分代表スペクトル群を取得する処理Ｓ２０におい
て、第１取得部８０２は、複数のスペクトルイメージングデータの各々に対して多変量解析を行って、スペクトルイメージングデータごとに部分代表スペクトル群を取得した。

これに対して、第１変形例では、図４に示す部分代表スペクトル群を取得する処理Ｓ２０において、第１取得部８０２は、複数のスペクトルイメージングデータを複数のグループに分け、グループごとに多変量解析を行って、グループごとに部分代表スペクトル群を取得する。

第１取得部８０２は、図１２に示すように、まず、データ取得部８０１が取得した４つのスペクトルイメージングデータを２つのグループに分ける。図示の例では、第１スペクトルイメージングデータＤ１および第２スペクトルイメージングデータＤ２をグループＡとし、第３スペクトルイメージングデータＤ３および第４スペクトルイメージングデータＤ４をグループＢとする。

第１取得部８０２は、グループＡに属する第１スペクトルイメージングデータＤ１に対して多変量解析を行って、部分代表スペクトル群Ｇ１を取得する。同様に、第１取得部８０２は、グループＡに属する第２スペクトルイメージングデータＤ２に対して多変量解析を行って、部分代表スペクトル群Ｇ２を取得する。

次に、第１取得部８０２は、部分代表スペクトル群Ｇ１および部分代表スペクトル群Ｇ２に対して多変量解析を行って、部分代表スペクトル群Ｇ１および部分代表スペクトル群Ｇ２に含まれる複数の代表スペクトルから、代表的な代表スペクトルを抽出し、グループＡにおける部分代表スペクトル群Ｇ１２を取得する。

同様に、第１取得部８０２は、部分代表スペクトル群Ｇ３および部分代表スペクトル群Ｇ４に対して多変量解析を行って、部分代表スペクトル群Ｇ３および部分代表スペクトル群Ｇ４に含まれる複数の代表スペクトルから、代表的な代表スペクトルを抽出し、グループＢにおける部分代表スペクトル群Ｇ３４を取得する。

このようにして、第１取得部８０２は、グループごとに部分代表スペクトル群Ｇ１２，Ｇ３４を取得する。

全体代表スペクトル群Ｇを取得する処理Ｓ３０では、第２取得部８０３は、グループＡの部分代表スペクトル群Ｇ１２およびグループＢの部分代表スペクトル群Ｇ３４に対して多変量解析を行って、全体代表スペクトル群Ｇを取得する。すなわち、第２取得部８０３は、部分代表スペクトル群Ｇ１２および部分代表スペクトル群Ｇ３４に含まれるすべての代表スペクトルを対象として多変量解析を行って、代表的な代表スペクトルを抽出し、全体代表スペクトル群Ｇを取得する。

第１変形例では、第１取得部８０２は、複数のスペクトルイメージングデータを複数のグループに分け、グループごとに多変量解析を行って、グループごとに部分代表スペクトル群を取得する。そのため、第１変形例では、例えば複数のスペクトルイメージングデータの各々に対して多変量解析を行ってスペクトルイメージングデータごとに部分代表スペクトル群を取得する場合と比べて、第２取得部８０３が一度に処理するスペクトルの数を減らすことができる。したがって、第１変形例では、処理の負荷を低減できる。

４．２． 第２変形例
図１３は、第２変形例に係る分析方法を説明するための図である。

上述した実施形態では、図４に示す全体代表スペクトル群Ｇを取得する処理Ｓ３０にお
いて、第２取得部８０３は、第１取得部８０２で取得された複数の部分代表スペクトル群に対して多変量解析を行って、全体代表スペクトル群Ｇを取得した。

これに対して、第２変形例では、図４に示す全体代表スペクトル群Ｇを取得する処理Ｓ３０において、第２取得部８０３は、複数のスペクトルイメージングデータの各々において、部分代表スペクトル群を用いて各ピクセルのスペクトルを分類し、種類ごとに属するスペクトルを積算または平均する。これにより、スペクトルイメージングデータごとにスペクトル群を生成する。そして、第２取得部８０３は、複数のスペクトル群に対して多変量解析を行って、全体代表スペクトル群を取得する。

第２取得部８０３は、まず、第１取得部８０２で取得された部分代表スペクトル群Ｇ１に含まれる複数の代表スペクトルを階層的クラスタリング法を用いて分類し、クラスターを作成する。

次に、第２取得部８０３は、部分代表スペクトル群Ｇ１を用いて第１スペクトルイメージングデータＤ１の各ピクセルのスペクトルを分類し、種類（クラスター）ごとに属するスペクトルを積算して、積算スペクトル群Ｓ１を取得する。積算スペクトル群Ｓ１は、第１スペクトルイメージングデータＤ１の各ピクセルのスペクトルのうち同じクラスター（相）に属するスペクトルを積算して得られた積算スペクトルの集まりである。すなわち、積算スペクトル群Ｓ１には、相ごとに積算されたスペクトルが含まれる。

同様に、第２取得部８０３は、部分代表スペクトル群Ｇ２に対して、部分代表スペクトル群Ｇ１と同様の処理を行い、積算スペクトル群Ｓ２を取得する。同様に、第２取得部８０３は、部分代表スペクトル群Ｇ３に対して、部分代表スペクトル群Ｇ１と同様の処理を行い、積算スペクトル群Ｓ３を取得する。同様に、第２取得部８０３は、部分代表スペクトル群Ｇ４に対して、部分代表スペクトル群Ｇ１と同様の処理を行い、積算スペクトル群Ｓ４を取得する。

第２取得部８０３は、積算スペクトル群Ｓ１、積算スペクトル群Ｓ２、積算スペクトル群Ｓ３、および積算スペクトル群Ｓ４に対して多変量解析を行って、全体代表スペクトル群Ｇを取得する。すなわち、第２取得部８０３は、積算スペクトル群Ｓ１、積算スペクトル群Ｓ２、積算スペクトル群Ｓ３、および積算スペクトル群Ｓ４に含まれるすべての積算スペクトルを対象として多変量解析を行って、代表的な積算スペクトルを抽出し、全体代表スペクトル群Ｇを取得する。

なお、ここでは、第２取得部８０３が種類ごとに属するスペクトルを積算して積算スペクトル群を生成する場合について説明したが、第２取得部８０３が種類ごとに属するスペクトルを平均して平均スペクトル群を生成してもよい。

第２変形例では、第２取得部８０３は、複数のスペクトルイメージングデータの各々において、部分代表スペクトル群を用いて各ピクセルのスペクトルを分類し、種類ごとに属するスペクトルを積算または平均して、スペクトルイメージングデータごとにスペクトル群を生成し、複数のスペクトル群に対して多変量解析を行って、全体代表スペクトル群Ｇを取得する。そのため、第２変形例では、複数のスペクトルイメージングデータから整合性のある結合相マップを作成できる。

４．３． 第３変形例
上述した実施形態では、複数のイメージングデータは、図５に示すように、同一の試料Ｓの互いに異なる領域を測定して得られた複数のデータであったが、複数のイメージングデータはこれに限定されない。

図１４は、複数のスペクトルイメージングデータの取得方法の一例を説明するための図である。

例えば、図１４に示すように、集束イオンビーム装置が搭載された走査電子顕微鏡（ＦＩＢ－ＳＥＭ）を用いて１つの試料Ｓに対して断面加工と測定を繰り返すことによって、互いに異なる断面の領域（第１領域Ａ１、第２領域Ａ２、第３領域Ａ３、および第４領域Ａ４）を測定できる。複数のスペクトルイメージングデータは、このように連続断面を測定することで得られた複数のデータであってもよい。複数のスペクトルイメージングデータの各々から得られた相マップを結合することで、３次元の化合物の分布を示す像を得ることができる。

図１５および図１６は、複数のスペクトルイメージングデータの取得方法の一例を説明するための図である。

例えば、図１５および図１６に示すように、試料Ｓの１つの測定領域ＳＡを測定して得られたスペクトルイメージングデータＤＡを分割して、複数のスペクトルイメージングデータを取得してもよい。図１６に示す例では、１つの測定領域ＳＡを測定して得られたスペクトルイメージングデータＤＡを、４つのスペクトルイメージングデータ（第１スペクトルイメージングデータＤ１、第２スペクトルイメージングデータＤ２、第３スペクトルイメージングデータＤ３、第４スペクトルイメージングデータＤ４）に分割している。

また、例えば、複数のイメージングデータは、試料Ｓの測定領域を、異なる時間に測定したその場観察のデータであってもよい。例えば、複数のイメージングデータは、試料Ｓを加熱しながら測定を繰り返すことで得られた複数のデータであってもよいし、結晶の成長過程や反応過程をその場観察して得られた複数のデータであってもよい。

４．４． 第４変形例
上述した実施形態では、試料分析装置１００が、Ｘ線検出器７０を備えた走査電子顕微鏡である場合について説明したが、本発明に係る分析装置は、これに限定されない。例えば、本発明に係る分析装置は、試料Ｓからの信号（Ｘ線や、電子、イオン等）に基づくスペクトルを得ることができる装置であればよい。本発明に係る分析装置は、エネルギー分散型Ｘ線分光器や波長分散型Ｘ線分光器を備えた透過電子顕微鏡、電子プローブマイクロアナライザー、オージェマイクロプローブ、光電子分光装置、集束イオンビーム装置などであってもよい。

なお、上述した実施形態及び変形例は一例であって、これらに限定されるわけではない。例えば各実施形態及び各変形例は、適宜組み合わせることが可能である。

本発明は、上述した実施形態に限定されるものではなく、さらに種々の変形が可能である。例えば、本発明は、実施形態で説明した構成と実質的に同一の構成を含む。実質的に同一の構成とは、例えば、機能、方法、及び結果が同一の構成、あるいは目的及び効果が同一の構成である。また、本発明は、実施形態で説明した構成の本質的でない部分を置き換えた構成を含む。また、本発明は、実施形態で説明した構成と同一の作用効果を奏する構成又は同一の目的を達成することができる構成を含む。また、本発明は、実施形態で説明した構成に公知技術を付加した構成を含む。

１０…電子銃、２０…コンデンサーレンズ、３０…走査コイル、４０…対物レンズ、５０…試料ステージ、６０…二次電子検出器、７０…Ｘ線検出器、８０…相分析装置、１００
…試料分析装置、８００…処理部、８０１…データ取得部、８０２…第１取得部、８０３…第２取得部、８０４…分類部、８０５…相分析部、８０６…表示制御部、８１０…操作部、８２０…表示部、８３０…記憶部

Claims (6)

1. 試料上の位置と前記試料からの信号に基づくスペクトルを対応づけたスペクトルイメージングデータを複数取得するデータ取得部と、
   前記複数のスペクトルイメージングデータの各々に対して多変量解析を行って、前記スペクトルイメージングデータごとに第１代表スペクトル群を取得する第１取得部と、
   前記第１取得部で取得された複数の前記第１代表スペクトル群に対して多変量解析を行って、第２代表スペクトル群を取得する第２取得部と、
   前記第２代表スペクトル群に含まれる複数の代表スペクトルを分類する分類部と、
   前記分類部における分類結果に基づいて、前記複数のスペクトルイメージングデータの各々に対して相分析を行う相分析部と、
   を含む、相分析装置。
2. 請求項１において、
   前記相分析部は、
   前記スペクトルイメージングデータごとに、各ピクセルの相を特定して相マップを作成し、
   前記スペクトルイメージングデータごとに作成された前記相マップを結合して、１つの相マップを作成する、相分析装置。
3. 請求項１または２において、
   前記第１取得部は、
   前記複数のスペクトルイメージングデータを複数のグループに分け、
   グループごとに多変量解析を行って、前記グループごとに前記第１代表スペクトル群を取得する、相分析装置。
4. 請求項１ないし３のいずれか１項において、
   前記第２取得部は、
   前記複数のスペクトルイメージングデータの各々において、前記第１代表スペクトル群を用いて各ピクセルのスペクトルを分類し、種類ごとに属するスペクトルを積算または平
   均してスペクトル群を生成し、
   複数の前記スペクトル群に対して多変量解析を行って、前記第２代表スペクトル群を取得する、相分析装置。
5. 請求項１ないし４のいずれか１項に記載の相分析装置を含む、試料分析装置。
6. 試料上の位置と前記試料からの信号に基づくスペクトルを対応づけたスペクトルイメージングデータを複数取得する工程と、
   前記複数のスペクトルイメージングデータの各々に対して多変量解析を行って、前記スペクトルイメージングデータごとに第１代表スペクトル群を取得する工程と、
   取得された複数の前記第１代表スペクトル群に対して多変量解析を行って、第２代表スペクトル群を取得する工程と、
   前記第２代表スペクトル群に含まれる複数の代表スペクトルを分類する工程と、
   前記分類部における分類結果に基づいて、前記複数のスペクトルイメージングデータの各々に対して相分析を行う工程と、
   を含む、分析方法。

Images