RU2014145011A - Способ классификации образца на основании спектральных данных, способ создания базы данных, способ использования этой базы данных и соответсвующие компьютерная программа, носитель данных и система - Google Patents
Способ классификации образца на основании спектральных данных, способ создания базы данных, способ использования этой базы данных и соответсвующие компьютерная программа, носитель данных и система Download PDFInfo
- Publication number
- RU2014145011A RU2014145011A RU2014145011A RU2014145011A RU2014145011A RU 2014145011 A RU2014145011 A RU 2014145011A RU 2014145011 A RU2014145011 A RU 2014145011A RU 2014145011 A RU2014145011 A RU 2014145011A RU 2014145011 A RU2014145011 A RU 2014145011A
- Authority
- RU
- Russia
- Prior art keywords
- spectrum
- value
- sample
- spectra
- class
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract 34
- 230000003595 spectral effect Effects 0.000 title claims abstract 21
- 238000004590 computer program Methods 0.000 title 1
- 238000001228 spectrum Methods 0.000 claims abstract 46
- 239000000523 sample Substances 0.000 claims abstract 23
- 239000012472 biological sample Substances 0.000 claims abstract 4
- 238000000816 matrix-assisted laser desorption--ionisation Methods 0.000 claims abstract 4
- 244000005700 microbiome Species 0.000 claims abstract 4
- 238000001196 time-of-flight mass spectrum Methods 0.000 claims abstract 4
- 239000002245 particle Substances 0.000 claims abstract 3
- 238000001237 Raman spectrum Methods 0.000 claims abstract 2
- 238000002329 infrared spectrum Methods 0.000 claims abstract 2
- 238000001869 matrix assisted laser desorption--ionisation mass spectrum Methods 0.000 claims abstract 2
- 238000004458 analytical method Methods 0.000 claims 1
- 241000382509 Vania Species 0.000 abstract 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
- G06F18/24155—Bayesian classification
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/44—Raman spectrometry; Scattering spectrometry ; Fluorescence spectrometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/483—Physical analysis of biological material
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J49/00—Particle spectrometers or separator tubes
- H01J49/0027—Methods for using particle spectrometers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
- G06F2218/14—Classification; Matching by matching peak patterns
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Analytical Chemistry (AREA)
- Biomedical Technology (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Urology & Nephrology (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Biophysics (AREA)
- Hematology (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Signal Processing (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
1. Способ классификации образца в одном из, по меньшей мере, двух классов на основании спектральных данных, содержащий этапы, на которыхa) получают, по меньшей мере, два множества первых спектров для использования в качестве эталонных спектров, причем каждое множество содержит спектры эталонных образцов, принадлежащие одному и тому же классу;b) определяют для каждого из эталонных спектров значение одной и той же, по меньшей мере, одной величины, связанной со спектральным признаком;c) связывают вероятность с разными значениями величины на основании определенных значений;d) получают спектр из образца и определяют значение одной и той же, по меньшей мере, одной величины этого спектра; иe) вычисляют на основании вероятностей и значения величины для полученного спектра для каждого из упомянутых, по меньшей мере, двух классов, вероятность того, что образец принадлежит этому классу.2. Способ по п. 1, в котором спектральные данные содержат спектр комбинационного рассеяния, ближний инфракрасный спектр, ИК-Фурье спектр, частотный спектр, масс-спектр MALDI или времяпролетный масс-спектр MALDI, предпочтительно времяпролетный масс-спектр MALDI.3. Способ по п. 1 или 2, в котором эталонные спектры и спектр, полученный из образца, являются спектрами одиночных частиц.4. Способ по п. 1, в котором образец является биологическим образцом.5. Способ по п. 4, в котором биологический образец содержит микроорганизмы, и классификация содержит классификацию микроорганизмов.6. Способ по п. 1, в котором, по меньшей мере, одна величина выбирается на основании характерного спектрального признака эталонного класса.7. Способ по п. 1, содержащий вычисление для спектра образца, для которого получено значение I, связа
Claims (23)
1. Способ классификации образца в одном из, по меньшей мере, двух классов на основании спектральных данных, содержащий этапы, на которых
a) получают, по меньшей мере, два множества первых спектров для использования в качестве эталонных спектров, причем каждое множество содержит спектры эталонных образцов, принадлежащие одному и тому же классу;
b) определяют для каждого из эталонных спектров значение одной и той же, по меньшей мере, одной величины, связанной со спектральным признаком;
c) связывают вероятность с разными значениями величины на основании определенных значений;
d) получают спектр из образца и определяют значение одной и той же, по меньшей мере, одной величины этого спектра; и
e) вычисляют на основании вероятностей и значения величины для полученного спектра для каждого из упомянутых, по меньшей мере, двух классов, вероятность того, что образец принадлежит этому классу.
2. Способ по п. 1, в котором спектральные данные содержат спектр комбинационного рассеяния, ближний инфракрасный спектр, ИК-Фурье спектр, частотный спектр, масс-спектр MALDI или времяпролетный масс-спектр MALDI, предпочтительно времяпролетный масс-спектр MALDI.
3. Способ по п. 1 или 2, в котором эталонные спектры и спектр, полученный из образца, являются спектрами одиночных частиц.
4. Способ по п. 1, в котором образец является биологическим образцом.
5. Способ по п. 4, в котором биологический образец содержит микроорганизмы, и классификация содержит классификацию микроорганизмов.
6. Способ по п. 1, в котором, по меньшей мере, одна величина выбирается на основании характерного спектрального признака эталонного класса.
7. Способ по п. 1, содержащий вычисление для спектра образца, для которого получено значение Ii, связанного со спектральным признаком, величины Qi, причем вероятность P(Aj|Ii) того, что образец принадлежит эталонному классу Aj при условии
значения Ii, определяется согласно
где P(Ii|Aj) - вероятность, связанная со значением Ii для эталонного класса Aj, и P(Ii|Ak)
при k≠j - вероятность, связанная со значением Ii для, по меньшей мере, одного эталонного класса, отличного от эталонного класса Aj.
8. Способ по п. 1, в котором этап b) содержит определение для каждого из эталонных спектров значения одних и тех же, по меньшей мере, двух величин, связанных со спектральным признаком, и этап e) содержит объединение вероятностей, полученных для всех величин, в полную вероятность того, что образец принадлежит соответствующему классу.
9. Способ по п. 1, в котором значение относится к интенсивности при, по меньшей мере, одном заранее определенном спектральном значении или в заранее определенном диапазоне спектральных значений.
10. Способ по п. 1, в котором значение нормализуется.
11. Способ по п. 1, в котором значение определяется путем умножения интенсивностей соответствующего спектра по заранее определенному диапазону спектральных значений на весовую функцию.
12. Способ по п. 11, в котором весовая функция базируется на совокупном спектре спектров одного и того же класса.
13. Способ по п. 1, в котором значение относится к отношению между интенсивностями при заранее определенных спектральных значениях или в заранее определенных спектральных диапазонах.
14. Способ по п. 1, в котором значение относится к положению пика в заранее определенном диапазоне спектральных значений.
15. Способ по п. 1, в котором значение является вектором.
16. Способ по п. 1, в котором этапы d) и e) осуществляются для первого множества эталонных классов и затем для второго множества эталонных классов, причем второе множество выбирается на основании классификации образца в одном из эталонных классов первого множества.
17. Способ по п. 5 или 16, в котором первое множество и второе множество выбираются на основании иерархии биологической классификации.
18. Способ по п. 1, в котором этап d) содержит получение, по меньшей мере, двух спектров из образца и определение значения одной и той же, по меньшей мере, одной величины этих, по меньшей мере, двух спектров, и этап e) содержит объединение спектров образцов, отнесенных к одному и тому же классу, в совокупный спектр и сравнение этого совокупного спектра с совокупным эталонным спектром, полученным путем объединения эталонных спектров соответствующего класса.
19. Способ создания базы данных для использования в классификации образца в одном из, по меньшей мере, двух классов на основании спектральных данных, содержащий этапы, на которых
a) получают, по меньшей мере, два множества первых спектров для использования в качестве эталонных спектров, причем каждое множество содержит спектры эталонных образцов, принадлежащие одному и тому же классу;
b) определяют для каждого из эталонных спектров значение одной и той же, по меньшей мере, одной величины, связанной со спектральным признаком; и
c) связывают вероятность с разными значениями величины на основании определенных значений.
20. Способ классификации образца в одном из, по меньшей мере, двух классов на основании спектральных данных с использованием базы данных, полученной способом по п. 19, причем способ содержит этапы, на которых
d) получают спектр из образца и определяют значение одной и той же, по меньшей мере, одной величины этого спектра; и
e) вычисляют на основании вероятностей, полученных из базы данных и значения величины для полученного спектра для каждого из упомянутых, по меньшей мере, двух классов, вероятность того, что образец принадлежит этому классу.
21. Носитель данных, содержащий исполняемые компьютером команды, которые при исполнении предписывают компьютеру выполнять этапы способа по любому из пп. 1-20.
22. Система классификации образца на основании спектральных данных, содержащая
средство для получения спектра из образца;
средство анализа для осуществления способа по любому из пп. 1-20.
23. Система по п. 22, содержащая средство для получения одночастичного спектра из образца.
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| NL2008620 | 2012-04-10 | ||
| NL2008620 | 2012-04-10 | ||
| NL2009015A NL2009015C2 (en) | 2012-04-10 | 2012-06-15 | Method for classification of a sample on the basis of spectral data, method for creating a database and method for using this database, and corresponding computer program, data storage medium and system. |
| NL2009015 | 2012-06-15 | ||
| PCT/NL2013/050260 WO2013154425A1 (en) | 2012-04-10 | 2013-04-10 | Method for classification of a sample on the basis of spectral data, method for creating a database and method for using this database, and corresponding computer program, data storage medium and system |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| RU2014145011A true RU2014145011A (ru) | 2016-05-27 |
| RU2633797C2 RU2633797C2 (ru) | 2017-10-18 |
Family
ID=48237199
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2014145011A RU2633797C2 (ru) | 2012-04-10 | 2013-04-10 | Способ классификации образца на основании спектральных данных, способ создания базы данных, способ использования этой базы данных и соответсвующие компьютерная программа, носитель данных и система |
Country Status (9)
| Country | Link |
|---|---|
| US (1) | US20150066377A1 (ru) |
| EP (1) | EP2836958B1 (ru) |
| JP (1) | JP6525864B2 (ru) |
| CN (1) | CN104380311B (ru) |
| BR (1) | BR112014025246A8 (ru) |
| IN (1) | IN2014DN09363A (ru) |
| NL (1) | NL2009015C2 (ru) |
| RU (1) | RU2633797C2 (ru) |
| WO (1) | WO2013154425A1 (ru) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2751434C1 (ru) * | 2020-09-04 | 2021-07-13 | Андрей Валентинович Крашенинников | Мобильный лазерный эмиссионный анализатор веществ |
Families Citing this family (29)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2014382594B2 (en) * | 2014-02-14 | 2019-07-04 | Perkinelmer U.S. Llc | Systems and methods for automated analysis of output in single particle inductively coupled plasma mass spectrometry and similar data sets |
| US9754774B2 (en) | 2014-02-14 | 2017-09-05 | Perkinelmer Health Sciences, Inc. | Systems and methods for automated analysis of output in single particle inductively coupled plasma mass spectrometry and similar data sets |
| CN106198482B (zh) * | 2015-05-04 | 2019-07-05 | 清华大学 | 基于拉曼光谱的检测保健品中是否添加有西药的方法 |
| WO2016196125A1 (en) * | 2015-05-29 | 2016-12-08 | Virgin Instruments Corporation | Method for developing and applying databases for identification of microorganisms by maldi-tof mass spectrometry |
| WO2016200164A1 (ko) * | 2015-06-09 | 2016-12-15 | 한양대학교 산학협력단 | 촉각 인지 시스템, 및 그 데이터베이스 구축 방법 |
| JP6605415B2 (ja) | 2015-08-26 | 2019-11-13 | ヴァイアヴィ・ソリューションズ・インコーポレイテッド | 分光法を用いる識別 |
| US10215639B2 (en) | 2015-09-01 | 2019-02-26 | Massachusetts Institute Of Technology | Apparatus, systems, and methods for Talbot spectrometers |
| KR101816400B1 (ko) * | 2016-05-12 | 2018-01-09 | 에스케이이노베이션 주식회사 | 이차전지용 활물질의 평가방법 |
| US10497553B2 (en) * | 2016-08-22 | 2019-12-03 | Highland Innovations, Inc. | Time versus intensity distribution analysis using a matrix-assisted laser desorption/ionization time-of-flight mass spectrometer |
| US10444213B2 (en) | 2016-08-25 | 2019-10-15 | Viavi Solutions Inc. | Spectroscopic classification of conformance with dietary restrictions |
| WO2018080522A1 (en) | 2016-10-28 | 2018-05-03 | Hewlett-Packard Development Company, L.P. | Target class feature model |
| WO2018158399A1 (en) | 2017-03-02 | 2018-09-07 | Biosparq B.V. | Diagnostic method and system for diagnosis |
| FR3065285B1 (fr) * | 2017-04-14 | 2019-07-05 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Procede d’acquisition d’un spectre |
| US10804562B2 (en) * | 2017-12-06 | 2020-10-13 | Tesla Motors Canada ULC | Method and system for determining concentration of electrolyte components for lithium-ion cells |
| US11656174B2 (en) | 2018-01-26 | 2023-05-23 | Viavi Solutions Inc. | Outlier detection for spectroscopic classification |
| US10810408B2 (en) * | 2018-01-26 | 2020-10-20 | Viavi Solutions Inc. | Reduced false positive identification for spectroscopic classification |
| US11009452B2 (en) | 2018-01-26 | 2021-05-18 | Viavi Solutions Inc. | Reduced false positive identification for spectroscopic quantification |
| IT201800002353A1 (it) * | 2018-02-02 | 2019-08-02 | Alifax Srl | Procedimento di identificazione batterica tramite analisi multivariata di profili spettrali |
| JP6951753B2 (ja) * | 2018-03-27 | 2021-10-20 | エバ・ジャパン 株式会社 | 情報探索システム及びプログラム |
| JP7031450B2 (ja) * | 2018-04-02 | 2022-03-08 | 日本製鉄株式会社 | 粒子発生源解析システム、粒子発生源解析方法、及びプログラム |
| CA3136899A1 (en) * | 2019-04-15 | 2020-10-22 | Security Matters Ltd. | Method and system for classification of samples |
| JP7362337B2 (ja) * | 2019-07-30 | 2023-10-17 | キヤノン株式会社 | 情報処理装置、情報処理装置の制御方法、及びプログラム |
| US20210190740A1 (en) * | 2019-12-19 | 2021-06-24 | Bio-Rad Laboratories, Inc. | Automated chromatogram analysis for blood test evaluation |
| CN112255215B (zh) * | 2020-09-16 | 2021-08-17 | 清华大学 | 检测分析活体细胞生命活动状态的修饰二聚体表面增强拉曼的方法 |
| EP4251997A1 (en) * | 2020-11-26 | 2023-10-04 | 12535441 Canada Ltd. | Spectral diagnostic system |
| CN112614542B (zh) * | 2020-12-29 | 2024-02-20 | 北京携云启源科技有限公司 | 一种微生物鉴定方法、装置、设备及存储介质 |
| CN113092407B (zh) * | 2021-04-20 | 2024-01-30 | 深圳华创智信科技有限公司 | 基于近红外光谱的五常稻花香水稻原产地品种识别方法 |
| KR102500948B1 (ko) * | 2021-10-01 | 2023-02-20 | 한국전자기술연구원 | 시변적 ims 데이터 처리를 통한 위험 물질 검출 장치 및 방법 |
| WO2024008522A1 (en) * | 2022-07-05 | 2024-01-11 | Trinamix Gmbh | Generating a spectrum of a sample |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4103324B2 (ja) * | 2000-03-06 | 2008-06-18 | 住友化学株式会社 | 酸化チタン、それを用いてなる光触媒体及び光触媒体コーティング剤 |
| JP2004536276A (ja) * | 2000-11-16 | 2004-12-02 | シファーゲン バイオシステムズ， インコーポレイテッド | 質量スペクトルを分析する方法 |
| US20030087456A1 (en) * | 2001-10-08 | 2003-05-08 | Jones Howland D.T. | Within-sample variance classification of samples |
| CA2466792A1 (en) * | 2003-05-16 | 2004-11-16 | Affinium Pharmaceuticals, Inc. | Evaluation of spectra |
| BRPI0514958A (pt) * | 2004-09-07 | 2008-07-01 | Petromodel Ehf | aparelho e método para análise de tamanho, forma e angularidade e para análise composicional de partìculas de mineral e rocha |
| DE102005002672B4 (de) * | 2005-01-13 | 2009-02-26 | Universität Leipzig | Verfahren zur schnellen Differenzierung von Mikroorganismen auf Subspezies-Ebene mittels MALDI-TOF MS |
| US20090012723A1 (en) * | 2005-06-09 | 2009-01-08 | Chemlmage Corporation | Adaptive Method for Outlier Detection and Spectral Library Augmentation |
| JP2007240326A (ja) * | 2006-03-08 | 2007-09-20 | Intec Web & Genome Informatics Corp | 波形解析装置 |
| EP2157599A1 (en) | 2008-08-21 | 2010-02-24 | Nederlandse Organisatie voor toegepast- natuurwetenschappelijk onderzoek TNO | Method and apparatus for identification of biological material |
| JP5649835B2 (ja) * | 2010-02-25 | 2015-01-07 | オリンパス株式会社 | 振動スペクトル分析方法 |
| JP5458389B2 (ja) * | 2010-07-05 | 2014-04-02 | 清水建設株式会社 | パラメタ選定方法及びパラメタ選定システム |
| SG10201710447QA (en) * | 2010-08-13 | 2018-02-27 | Somalogic Inc | Pancreatic cancer biomarkers and uses thereof |
| EP2439536A1 (en) * | 2010-10-01 | 2012-04-11 | Nederlandse Organisatie voor toegepast- natuurwetenschappelijk onderzoek TNO | New classification method for spectral data |
-
2012
- 2012-06-15 NL NL2009015A patent/NL2009015C2/en not_active IP Right Cessation
-
2013
- 2013-04-10 JP JP2015505675A patent/JP6525864B2/ja not_active Expired - Fee Related
- 2013-04-10 US US14/389,974 patent/US20150066377A1/en not_active Abandoned
- 2013-04-10 WO PCT/NL2013/050260 patent/WO2013154425A1/en active Application Filing
- 2013-04-10 RU RU2014145011A patent/RU2633797C2/ru active
- 2013-04-10 CN CN201380030388.3A patent/CN104380311B/zh not_active Expired - Fee Related
- 2013-04-10 BR BR112014025246A patent/BR112014025246A8/pt not_active Application Discontinuation
- 2013-04-10 EP EP13720102.6A patent/EP2836958B1/en active Active
- 2013-04-10 IN IN9363DEN2014 patent/IN2014DN09363A/en unknown
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2751434C1 (ru) * | 2020-09-04 | 2021-07-13 | Андрей Валентинович Крашенинников | Мобильный лазерный эмиссионный анализатор веществ |
Also Published As
| Publication number | Publication date |
|---|---|
| JP6525864B2 (ja) | 2019-06-05 |
| RU2633797C2 (ru) | 2017-10-18 |
| EP2836958A1 (en) | 2015-02-18 |
| CN104380311A (zh) | 2015-02-25 |
| WO2013154425A1 (en) | 2013-10-17 |
| BR112014025246A8 (pt) | 2021-03-02 |
| NL2009015C2 (en) | 2013-10-15 |
| CN104380311B (zh) | 2018-06-26 |
| EP2836958B1 (en) | 2020-06-10 |
| IN2014DN09363A (ru) | 2015-07-17 |
| US20150066377A1 (en) | 2015-03-05 |
| JP2015516570A (ja) | 2015-06-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2014145011A (ru) | Способ классификации образца на основании спектральных данных, способ создания базы данных, способ использования этой базы данных и соответсвующие компьютерная программа, носитель данных и система | |
| Mair et al. | The end of gating? An introduction to automated analysis of high dimensional cytometry data | |
| US10670529B2 (en) | Method for detecting coal quality using Raman spectroscopy | |
| RU2015102631A (ru) | Кластерный анализ неизвестных в множестве данных sem-eds | |
| JP5964983B2 (ja) | 質量分析法により微生物を特定するための方法 | |
| WO2016000088A1 (zh) | 一种基于最佳指数-相关系数法的高光谱波段提取方法 | |
| EP2797104A3 (en) | Imaging mass analysis data processing method and imaging mass spectrometer | |
| CN102313699A (zh) | 作物冠层叶片的全氮含量估算方法 | |
| EA201270260A1 (ru) | Способ и устройство анализа материалов с помощью сфокусированного пучка электронов с использованием характеристического рентгеновского излучения и обратноотраженных электронов | |
| WO2009078096A1 (ja) | 二クラス分類予測モデルの作成方法、分類予測モデル作成のためのプログラムおよび二クラス分類予測モデルの作成装置 | |
| RU2013123903A (ru) | Спектроскопический фингерпринтинг сырья | |
| US11423331B2 (en) | Analytical data analysis method and analytical data analyzer | |
| EP3131028A1 (en) | Tandem mass spectrometry data processing system | |
| CN106415558A (zh) | 数据处理装置和用于质谱法数据的评估的方法 | |
| CN107132267A (zh) | 一种基于随机森林的茶叶分类方法及系统 | |
| JP2013517459A5 (ru) | ||
| CN103324888A (zh) | 基于家族样本的病毒特征自动提取方法及系统 | |
| JP6318722B2 (ja) | 環境負荷分子発生源評価方法、環境負荷分子発生源評価システム、及びコンピュータプログラム | |
| CN102967557A (zh) | 基于近红外光谱的生物气溶胶含水量测定及其分类方法 | |
| RU2014135284A (ru) | Управление справочной спектральной информацией и поиск | |
| CN105334181A (zh) | 辐照食品的快速检测方法 | |
| GB2556225A (en) | Sample mass spectrum analysis | |
| KR102023913B1 (ko) | 레이저 유도 붕괴 분광법을 이용한 성분 표시 장치 | |
| JP2021026006A (ja) | 情報処理装置、情報処理装置の制御方法、及びプログラム | |
| Chen et al. | Random Forest model for quality control of high resolution mass spectra from SILAC labeling experiments |