JPWO2021261202A5 - 識別器の生成方法及び装置 - Google Patents

Description

上記課題を解決するために成された本発明に係る識別器の生成方法の一態様は、
分析装置を用い複数の試料を測定することにより複数の信号波形を得るステップと、
前記複数の信号波形からそれぞれに含まれる単一ピークを抽出し、その単一ピークの形状を特徴付ける予め決められた形状パラメータを求めるステップと、
前記形状パラメータを利用した機械学習により、ピーク波形を近似するモデル関数とその関数のパラメータの分布とを含む生成モデルを得るステップと、
前記生成モデルを用いて、複数のピークの重なり及び／又はノイズを含む模擬的な信号波形を生成するステップと、
前記模擬的な信号波形を訓練用又は評価用のデータとした機械学習により、試料を測定して得られた信号波形において観測されるピークを検出するための識別器を作成するステップと、
を含む。

また上記課題を解決するために成された本発明に係る識別器生成装置の一態様は、本発明に係る上記態様の識別器の生成方法を実施するための装置であり、
分析装置を用い複数の試料を測定することにより得られた複数の信号波形からそれぞれに含まれる単一ピークを抽出し、その単一ピークの形状を特徴付ける予め決められた形状パラメータを求めるパラメータ情報取得部と、
前記形状パラメータを利用した機械学習により、ピーク波形を近似するモデル関数とその関数のパラメータの分布とを含む生成モデルを得る生成モデル取得部と、
前記生成モデルを用いて、複数のピークの重なり及び／又はノイズを含む模擬的な信号波形を生成する模擬波形生成部と、
前記模擬的な信号波形を訓練用又は評価用のデータとした機械学習により、試料を測定して得られた信号波形において観測されるピークを検出するための識別器を作成する識別器取得部と、
を備える。

本発明に係る上記態様の識別器の生成方法及び装置では、例えば、非特許文献３、４等に開示されている、機械学習の一手法である敵対的生成ネットワーク（Generative Adversarial Network：以下「ＧＡＮ」と称す）を利用して、信号波形上で観測されるピークについての形状パラメータの変動（ばらつき）に関する分布（確率分布）を学習する。ＧＡＮによる学習の際には、例えばクロマトグラフ装置で実際に試料を分析することで得られたクロマトグラム波形から抽出された形状パラメータを本物のデータとして与える。ＧＡＮによる学習の過程で、形状パラメータの頻度（分布）を反映した生成モデル（生成器）を取得することができる。

本発明によれば、例えば、クロマトグラフ装置で実際に得られるクロマトグラム波形における形状パラメータの分布を、高い精度で以て取得することができる。こうした分布を反映した生成モデルを用いて、合理的なパラメータのばらつきを有するピークが出現する信号波形や、複数のピークが重なり合った信号波形、又はピークにノイズが重畳した信号波形などを模擬的に生成することができる。こうした模擬的な信号波形では、各ピーク開始点及び終了点などのピーク情報が正確に得られている。従って、ピーク検出のための識別器を機械学習によって生成する際の教師データとして又は評価用データとして、こうした模擬的な信号波形を用いることで、労力と時間とを節約しながら、ピーク検出のための識別器の性能を向上させることができる。

また、本発明によれば、ピークを高い精度で検出したり、ピーク面積値や高さ値等の特徴値を精度良く算出したりすることができる。それによって、従来のピーク検出法では適切に検出できないピークを検出することができるほか、ピーク面積値等を利用した成分の定量精度を向上させることができる。

Claims (14)

1. 分析装置を用い複数の試料を測定することにより複数の信号波形を得るステップと、
   前記複数の信号波形からそれぞれに含まれる単一ピークを抽出し、その単一ピークの形状を特徴付ける予め決められた形状パラメータを求めるステップと、
   前記形状パラメータを利用した機械学習により、ピーク波形を近似するモデル関数とその関数のパラメータの分布とを含む生成モデルを得るステップと、
   前記生成モデルを用いて、複数のピークの重なり及び／又はノイズを含む模擬的な信号波形を生成するステップと、
   前記模擬的な信号波形を訓練用又は評価用のデータとした機械学習により、試料を測定して得られた信号波形において観測されるピークを検出するための識別器を作成するステップと、
   を含む識別器の生成方法。
2. 前記生成モデルを得るステップでは、前記形状パラメータを入力とし、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、形状パラメータの分布を含む生成モデルを取得する、請求項１に記載の識別器の生成方法。
3. 前記形状パラメータを求めるステップでは、信号波形から、孤立したピークで且つＳＮ比が基準値以上である単一ピークを抽出して該ピークに関する形状パラメータを求める、請求項１に記載の識別器の生成方法。
4. 前記形状パラメータは、ピーク高さ、ピーク幅、ピークのテーリング度合い、のいずれか１つを含む、請求項３に記載の識別器の生成方法。
5. 前記形状パラメータは、ピーク数、隣接するピーク間の距離、及び、信号波形の中央付近にあるピークの位置、を含み、前記第４ステップでは、これらの形状パラメータの分布により模擬的な信号波形におけるピーク位置を決定する、請求項１に記載の識別器の生成方法。
6. 前記模擬的な信号波形を生成するステップでは、前記生成モデルを用いて生成された１又は複数のピークを含む波形にノイズを加算することによって模擬的な信号波形を生成する、請求項１に記載の識別器の生成方法。
7. 前記複数の信号波形は、特定の種類の試料に対する分析により得られたクロマトグラム波形又はスペクトル波形である、請求項１に記載の識別器の生成方法。
8. 分析装置を用い複数の試料を測定することにより得られた複数の信号波形からそれぞれに含まれる単一ピークを抽出し、その単一ピークの形状を特徴付ける予め決められた形状パラメータを求めるパラメータ情報取得部と、
   前記形状パラメータを利用した機械学習により、ピーク波形を近似するモデル関数とその関数のパラメータの分布とを含む生成モデルを得る生成モデル取得部と、
   前記生成モデルを用いて、複数のピークの重なり及び／又はノイズを含む模擬的な信号波形を生成する模擬波形生成部と、
   前記模擬的な信号波形を訓練用又は評価用のデータとした機械学習により、試料を測定して得られた信号波形において観測されるピークを検出するための識別器を作成する識別器取得部と、
   を備える識別器生成装置。
9. 前記生成モデル取得部は、前記形状パラメータを入力とし、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、形状パラメータの分布を含む生成モデルを取得する、請求項８に記載の識別器生成装置。
10. 前記パラメータ情報取得部は、信号波形から、孤立したピークで且つＳＮ比が基準値以上である単一ピークを抽出して該ピークに関する形状パラメータを求める、請求項８に記載の識別器生成装置。
11. 前記形状パラメータは、ピーク高さ、ピーク幅、ピークのテーリング度合い、のいずれか１つを含む、請求項１０に記載の識別器生成装置。
12. 前記形状パラメータは、ピーク数、隣接するピーク間の距離、及び、信号波形の中央付近にあるピークの位置、を含み、前記模擬波形生成部は、これらの形状パラメータの分布により模擬的な信号波形におけるピーク位置を決定する、請求項８に記載の識別器生成装置。
13. 前記模擬波形生成部は、前記生成モデルを用いて生成された１又は複数のピークを含む波形にノイズを加算することによって模擬的な信号波形を生成する、請求項８に記載の識別器生成装置。
14. 前記複数の信号波形は、特定の種類の試料に対する分析により得られたクロマトグラム波形又はスペクトル波形である、請求項８に記載の識別器生成装置。